Este artículo aborda el problema de la reconstrucción de imágenes hiperespectrales, que reconstruye imágenes hiperespectrales (HSI) 3D a partir de mediciones 2D perturbadas. Dado que los métodos actuales basados en aprendizaje profundo tienen dificultades para capturar con precisión detalles de alta frecuencia, proponemos un diccionario de dispersión espectral (SDP) aprendido implícitamente a partir de imágenes hiperespectrales mediante un modelo de difusión. Aprovechando la capacidad de restauración de detalles del modelo de difusión, el diccionario aprendido se aplica al modelo HSI para mejorar significativamente su rendimiento. Además, para mejorar aún más la eficacia del diccionario aprendido, se propone un módulo de inyección de diccionario espectral (SPIM) para inducir al modelo a restaurar dinámicamente los detalles HSI. El método propuesto se evalúa en dos métodos HSI representativos, MST y BISRNet, y el rendimiento se mejora en aproximadamente 0,5 dB con respecto a las redes convencionales.
