重新思考高光谱图像超分辨率中的上采样层

本研究解决了高光谱图像超分辨率（SHSR）中高光谱维度导致的计算负担问题，提出了一种新型轻量级SHSR网络LKCA-Net，该网络通过通道注意力校准多尺度通道特征。研究首次表明，可学习上采样层的低秩特性是轻量级SHSR方法的关键瓶颈，并通过低秩近似策略和知识蒸馏技术优化网络性能。实验结果表明，该方法在多个数据集上表现竞争，同时在速度上实现数十倍甚至数百倍的提升。