摘要

如何有效利用高光谱图像（Hyperspectral Image, HSI）的光谱与空间特征，始终是光谱快照重建中的关键问题。近年来，谱段级Transformer（spectra-wise transformer）在捕捉高光谱图像中不同谱段之间的相似性方面展现出巨大潜力，但传统的Transformer架构在光谱（通道）维度上采用多头分割（multi-head division）的设计，限制了全局光谱信息的建模能力，并导致均值效应（mean effect）问题。此外，现有方法通常采用常规的空间先验，未考虑实际成像过程，难以有效应对快照式光谱重建中特有的空间退化问题。本文针对多头分割机制的影响进行了深入分析，并提出一种新颖的光谱-空间校正（Spectral-Spatial Rectification, SSR）方法，旨在提升光谱信息的利用效率并缓解空间退化问题。具体而言，SSR方法包含两个核心模块：基于窗口的谱段级自注意力机制（Window-based Spectra-wise Self-Attention, WSSA）与空间校正块（spAtial Rectification Block, ARB）。其中，WSSA旨在捕获全局光谱相关性的同时保留局部差异性；ARB则通过空间对齐策略有效抑制空间退化。在仿真数据与真实场景下的实验结果表明，所提出的模块具有显著有效性；同时，本文还提供了多尺度模型，进一步验证了所提方法的优越性能。