引言
电磁辐射以其强度、波长和偏振为特征，分别描述能量分布、光谱响应和偏振态 [1]。偏振信息揭示了介质表面粗糙度、几何结构和散射特性的差异 [2]，而光谱信息则表征材料的反射和吸收行为，支持材料识别和变化检测 [3]。因此，光谱偏振成像在遥感与目标识别应用中变得越来越重要 [4]。
通过将焦平面分割（DoFP）偏振探测与推扫光谱成像相结合，可以在单次扫描内同步获取多波段和多偏振角数据 [5]。这种配置还具有体积小、成本低等优势，使其适用于无人机和微纳卫星等动态平台部署 [6]。然而，DoFP 传感器的 2 × 2 交错采样模式导致每个偏振通道存在空间欠采样，并引入了瞬时视场（IFoV）误差 [7]。因此，需要进行偏振去马赛克以重建全分辨率偏振图像，为后续偏振参数（如 DoLP 和 AoP）的估计提供可靠输入 [8]。
现有的 DoFP 偏振去马赛克方法通常可分为三类 [9]。第一类是插值重建方法 [[10], [11], [12], [13], [14], [15], [16], [17], [18], [19], [20], [21], [22]]，它们具有计算效率高的优势，但其性能强烈依赖于局部边缘方向的准确识别。第二类包括稀疏表示方法 [[23], [24], [25], [26], [27]]；然而，其高昂的迭代计算复杂性限制了其在偏振高光谱数据中的应用。第三类由基于深度学习的方法组成 [[28], [29], [30], [31], [32], [33], [34], [35]]。虽然它们实现了卓越的复原性能，但高质量配对训练数据的获取难度和训练模型的有限泛化能力阻碍了其在动态平台偏振高光谱成像中的应用。因此，插值方法表现出更大的实际应用潜力 [6]。
然而，现有的插值方法隐含地假设空间邻域一致性 [9]。在动态平台的推扫成像中，高频姿态扰动引入了严重的随机几何畸变 [40,47]，这破坏了马赛克阵列的像素级空间邻域结构，并显著降低了去马赛克算法的可靠性。为解决这一问题，现有的基于 GPS/INS 或地面控制点的几何校正方法 [[36], [37], [38], [39], [40], [41], [42], [43], [44], [45], [46], [47]] 可以实现宏观场景配准，但无法有效补偿由高频抖动引起的像素级残余局部错位。偏振参数估计对像素级共位非常敏感 [9]，甚至轻微的几何变形都可能导致严重的偏振伪影。这种宏观配准已实现但微观结构畸变仍然存在的情况，使得探索更高精度的几何校正策略成为高质量偏振去马赛克重建的必要前提。
因此，为了解决动态平台上推扫 DoFP 偏振高光谱成像的去马赛克需求，本文提出了一种在执行超分辨率重建之前进行几何校正的重建策略。首先，基于推扫成像的时间拼接机制，从几何畸变的角度分析了平台姿态扰动对空间邻域一致性的影响。然后，开发了一种受梯度一致性约束的卷帘位移估计和校正策略，并设计了一种各向异性预处理方案，以克服 DoFP 通道欠采样引入的配准分辨率限制，从而增强补偿高频抖动的能力。最后，基于几何校正后的数据，在动态马赛克排列下进行偏振去马赛克重建，以恢复偏振参数估计所需的空间邻域一致性。模拟和真实数据集上的实验验证了所提方法在几何校正准确性和偏振重建质量方面的有效性。
