联合多流融合和多尺度学习的卷积神经网络遥感图像融合方法
为尽可能保持原始低分辨率多光谱(LRMS)图像光谱信息的同时,显著提高融合后的多光谱图像的空间分辨率,该文提出一种联合多流融合和多尺度学习的卷积神经网络遥感图融合方法.首先将原始MS图像输入频谱特征提取子网得到其光谱特征,然后分别将通过梯度算子处理全色图像得到的梯度信息和通过卷积后的全色图像与得到的光谱特征图在通道上拼接输入到具有多流融合架构的金字塔模块进行图像重构.金字塔模块由多个骨干网络组成,可以在不同的空间感受野下进行特征提取,能够多尺度学习图像信息.最后,构建空间光谱预测子网融合金字塔模块输出的高级特征和网络前端的低级特征得到具有高空间分辨率的MS图像.结合WorldView-3卫星获取的图像进行实验,结果表明,所提方法生成的融合图像在主观目视检验和客观评价指标上都优于大多先进的遥感图像融合方法.
遥感图像融合;频谱特征提取子网;金字塔模块;多流融合架构;空间光谱预测子网
44
TN911.73;TP751
国家自然科学基金;国家自然科学基金;国家自然科学基金;重庆市杰出青年基金;重庆市海外留学人员创新创业基金
2022-02-18(万方平台首次上网日期,不代表论文的发表时间)
共8页
237-244