近日，安光所遥感信息表征技术研究团队围绕跨光谱数字成像与生成技术开展研究，在近红外图像彩色化、短波红外多波段彩色重建及可见光到热红外图像生成等方面取得进展。相关成果先后发表于光学与遥感领域学术期刊Remote Sensing和Applied Optics。

多谱段遥感成像能够获取目标和环境在不同光谱范围内的辐射信息，在环境监测、目标识别及复杂场景感知等领域具有广泛应用。然而，不同谱段的成像机理和图像特征存在明显差异，近红外和短波红外图像通常缺乏自然色彩信息，热红外图像受场景温度、材料发射率及环境条件等因素影响，数据获取与场景模拟较为复杂。针对上述问题，研究团队结合光谱物理特性分析与深度学习方法，开展了跨光谱图像信息重建和数字生成技术研究。

在近红外图像彩色化方面，团队提出了基于条件生成对抗网络的RWU-DD-GAN方法，通过引入小波卷积、残差结构和通道注意力机制，提高图像多尺度特征提取能力，并利用双尺度判别器兼顾场景整体结构和局部细节。实验结果表明，该方法能够有效改善近红外图像彩色重建中的颜色失真和纹理模糊问题，在不同场景下表现出较好的图像重建效果，并具备实时处理能力。

在此基础上，团队进一步开展了短波红外多波段彩色重建研究。针对单波段短波红外图像信息不足、不同地物存在同谱异色等问题，提出了物理分析与数据驱动相结合的波段优化方法，综合考虑大气透过率、地物光谱反射特征及波段信息冗余，筛选出短波红外三波段组合，并结合Pix2Pix网络实现短波红外图像的彩色重建。与单波段U-Net基线相比，该方法的峰值信噪比提高8.63%，结构相似性提高18.87%，感知误差指标LPIPS降低31.28%。

面向可见光与热红外成像机理差异较大、成对训练数据不足的问题，团队提出了双重几何循环生成对抗网络DGC_GAN。该方法将几何一致性与循环一致性约束相结合，通过分离图像语义结构和成像风格，实现非配对条件下的可见光到热红外图像生成，并支持同一场景的多样化生成。在多个公开数据集上的实验表明，所提方法在生成图像的真实性和多样性方面具有较好表现。研究团队还利用无人机双光谱成像平台采集实测数据，验证了该方法在复杂地物场景下的应用可行性。

上述研究围绕不同谱段遥感图像的信息表达和跨光谱转换，形成了从图像特征提取、光谱波段优化到跨谱域图像生成的系列研究成果，为红外遥感数据扩充、复杂场景图像仿真及相关算法研究提供了技术支持。下一步，团队将进一步探索辐射传输物理模型与生成式人工智能方法的融合，提高跨光谱生成图像的辐射一致性与定量应用能力。

相关研究论文的第一作者分别是博士研究生姚顺和硕士研究生陈启栋，论文通信作者是安光所刘晓副研究员。

论文链接：

https://doi.org/10.1364/AO.557734

https://doi.org/10.1364/AO.590489

https://doi.org/10.3390/rs18040569

跨光谱数字成像与生成示意图

近红外图像彩色化及不同算法结果对比

短波红外多波段彩色重建结果

无人机实测场景可见光到热红外图像生成结果