摘要
由于具备窄带成像技术，高光谱相机在多个领域已成功实现视觉图像的捕捉。从RGB图像进行高光谱重建，本质上是高光谱成像的逆过程，其核心在于推导出逆响应函数。现有方法大多直接将RGB图像映射至对应光谱，但未显式考虑上下文信息；此外，当前算法普遍采用编码器-解码器结构，导致信息损失严重。为解决上述问题，本文提出一种四级分层回归网络（Hierarchical Regression Network, HRNet），并引入PixelShuffle层实现跨层级的特征交互。同时，采用残差密集块（residual dense block）以消除真实世界RGB图像中的伪影，并引入残差全局块（residual global block）构建注意力机制，从而扩大感受野。我们在NTIRE 2020高光谱重建从RGB图像挑战赛中对所提HRNet进行了全面评估，结果显示，该方法在第2赛道（真实世界图像）中荣获第一名，在第1赛道（干净图像）中位列第三。欢迎访问项目主页 https://github.com/zhaoyuzhi/Hierarchical-Regression-Network-for-Spectral-Reconstruction-from-RGB-Images 以体验我们的代码及预训练模型。