基于深度学习的遥感图像超分辨率重建方法综述

摘要：

基于深度学习的遥感图像超分辨率重建方法是计算机视觉中的重要方法之一.传统的遥感图像超分辨率重建方法已无法满足地物目标识别和土地检测等应用的需求,如何利用深度学习来重建遥感图像的分辨率是目前要解决的问题.结合国内外最新研究现状,将基于深度学习的遥感图像超分辨率重建方法分成3大类:单幅遥感图像超分辨率重建方法、多幅遥感图像超分辨率重建方法和多/高光谱遥感图像超分辨率重建方法.系统梳理了基于深度学习的单幅遥感图像超分辨率重建方法,包括基于多尺度特征提取的方法、结合小波变换的方法、沙漏状生成网络的方法、边缘增强网络的方法以及可跨传感器的方法.总结了基于深度学习的多幅遥感图像和多/高光谱遥感图像超分辨率重建方法中目前主流的方法.通过实验结果分析了遥感图像超分辨率重建方法目前效果最好的单幅图像超分辨率重建方法是基于GAN的方法,但是多幅遥感图像和多/高光谱遥感图像超分辨率重建效果仍然不佳,存在配准融合、多源信息融合等问题.最后,对基于深度学习的遥感图像超分辨率重建方法未来可能的发展趋势进行了展望,指出构建针对遥感图像特点的神经网络结构,无监督学习的遥感图像超分辨率重建方法,以及多源遥感图像的超分辨率重建方法是未来的研究趋势.

关键词：遥感图像、超分辨率重建、深度学习、卷积神经网络、生成对抗网络

所属期刊栏目：43

分类号：P237;TP391(摄影测量学与测绘遥感)

资助基金：国家自然科学基金;镇江金山英才高层次领军人才培养计划培养对象科研项目

在线出版日期：2022-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：8-16