物理科学与工程学院王占山、程鑫彬团队联合清华大学郝小鹏团队在《iOptics》发表最新成果——无需显式退化核估计的离散—连续 MAP毫秒级空间可变高光谱融合
高光谱成像能够获取丰富、连续的光谱信息，但空间分辨率通常受限；多光谱图像则具有更清晰的空间细节，但光谱通道较少。因此，融合二者的互补信息，实现高空间、高光谱分辨率成像，是高光谱计算成像中的重要研究方向。现有模型驱动方法通常依赖预设的固定退化模型，而真实光学系统受像差、离焦、视场变化及跨传感器响应差异等因素影响，不同空间位置往往具有不同的点扩散特性。当目标图像与空间可变退化同时未知时，显式联合估计容易形成高度病态的问题。
图1 空间位置相关的退化核变化示意图
近日，同济大学物理科学与工程学院王占山、程鑫彬教授团队的曹栩珩、王绪泉等人，联合清华大学郝小鹏研究员等，提出了一种无需显式估计模糊核的半盲高光谱融合框架。该方法将复杂未知的空间退化纳入离散—连续最大后验估计过程中，在不直接求解空间可变点扩散函数的情况下，实现高光谱与多光谱信息的协同重建。相关成果以 A discrete–continuous MAP formulation for kernel-free semi-blind hyperspectral computational imaging 为题，于2026年8月25日在线发表于计算成像新刊iOptics。
文章首先提出一种基于局部候选概率混合的离散先验构建方法，利用高分辨率多光谱图像提供的空间与光谱方向信息，对低分辨率高光谱图像局部邻域中的多个候选光谱进行自适应加权，使不同空间位置形成不同的信息组合方式，从而将未知空间退化的影响隐式吸收到融合过程中，避免对空间可变模糊核进行显式估计。进一步引入随波长连续变化的光谱增益校正机制，对初始融合结果中的残余光谱失配进行平滑修正，在保持空间细节的同时提升光谱保真度。两阶段过程被统一到离散—连续 MAP 框架中，并可转化为逐像素闭式岭回归求解，具有较好的并行计算能力。
文章还构建了空间可变退化模式下的受控实验方案，并结合合成数据与真实数据，对方法在复杂退化失配条件下的鲁棒性进行了系统验证。实验结果表明，相较七种代表性融合方法，该方法在空间清晰度与光谱保真度方面取得了更好的综合表现，为真实光学系统中难以精确建模的空间可变退化提供了一种从“显式估计退化”转向“利用观测适应退化”的新思路。
图2 真实双目成像系统不同方法融合结果的波段图展示
同济大学为论文第一单位，同济大学博士生曹栩珩为第一作者，同济大学助理教授王绪泉和清华大学研究员郝小鹏为论文共同通讯作者，对论文做出重要贡献的合作者还包括中国计量科学研究院的宋健研究员、北京理工大学的王佳博士研究生、北京印刷学院的廉玉生教授等。
论文链接：https://doi.org/10.1016/j.iopt.2026.100036
