近日，北京化工大学博士生刘娜，北京信息科技大学李禄副教授，北京理工大学信息与电子学院李伟教授、陶然教授，美国密西西比州立大学James E. Fowler教授以及法国格勒诺布尔大学Jocelyn Chanussot教授合作的文章《Hyperspectral Restoration and Fusion with Multispectral Imagery via Low-Rank Tensor Approximation》，被接收于顶级期刊美国电气和电子工程师协会地学与遥感汇刊[IEEE Transactions on Geoscience and Remote Sensing, 2021](影响因子IF:5.855)。

图1. 提出基于LRTA的高光谱图像复原和分辨率重构方法

高光谱影像在成像过程不可避免的存在空间分辨率、谱间分辨率和信噪比之间的折衷，因此，对于光谱分辨率高的高光谱影像，其空间分辨率往往无法满足实际应用需求。目前常见的做法是将多光谱影像与高光谱遥感进行像素级融合，以增强高光谱影像的空间分辨率。我国高分系列卫星（比如高分五号和高分一号）的陆续发射，使得获取同一场景下多源遥感数据成为可能。如何有效地将高光谱图像和多光谱图像进行像素级融合同时保持高光谱数据的光谱结构为高光谱数据空间分辨率增强带来了挑战。

目前虽然已经有很多的研究关注于高光谱与多光谱影像像素级融合问题，但大部分已有方法是基于二维的矩阵形式考虑该融合问题。研究表明，矩阵化的表示在一定程度上会破坏数据的空间纹理信息，以及空谱之间相关依赖关系。因此，通常在对数据进行处理时，需要考虑额外的正则化项以进一步保留数据的光谱维和空间维结构性关系，这种做法无疑增加了算法的复杂度和计算量。高光谱遥感影像本质上是是一个三阶的张量立方体，张量作为矩阵的高阶扩展能够在不破坏高光谱图像空间结构的前提下高效保持高光谱图像中的空谱相关性。本研究在张量分解/张量近似理论的指导下，基于高光谱数据和多光谱数据成像传感器观测模型，考虑高光谱图像空间分辨率和多光谱数据光谱分辨率退化过程，进行高光谱数据与多光谱数据的融合，实现高光谱图像空间分辨率增强，同时有效保持光谱信息。 通过实验验证，证明提出的高光谱与多光谱融合方法能有效保持高光谱影像光谱信息的同时提高空间分辨率，为多源遥感影像融合问题提供了新的解决思路。

论文链接：https://doi.org/10.1109/TGRS.2020.3049014