Learning Spatial-Spectral Refinement and Calibrating Complementary Observations for Hyperspectral Image Super-Resolution
提出 Two-Stage Reconstruction with Implicit Tensor Neural Representation (TSR-ITNR) 框架，旨在解决现有隐式神经表示方法在超光谱图像融合中难以捕捉细粒度空间结构和丰富光谱依赖的问题。该框架通过两阶段重构与无参校准，利用高分辨率多光谱图像的精细空间细节与低分辨率超光谱图像的丰富光谱信息重建高光谱图像。第一阶段学习隐式 Tucker 表示并优化系数张量与谱基以增强空间结构与波段相关性，第二阶段从两种观测中推导互补校正以恢复未充分捕获的信息。理论分析证实了该方法的几何保持性与校准正交性，实验表明其在无真值监督下具备优异的定量、视觉及光谱重建性能，并在下游语义分割任务中验证了有效性。