共享超分的双分支遥感图像时空融合网络

作     者：方帅 张小溪 张晶 

作者机构：合肥工业大学计算机与信息学院 工业安全与应急技术安徽省重点实验室 

出 版 物：《电子学报》 (Acta Electronica Sinica)

年 卷 期：2025年

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理] 

基　　金：国家自然科学基金(No.61872327 No.61175033) 

主　　题：遥感图像 时空融合 双分支 图像超分 卷积神经网络 

摘      要：本文从空间维度和时间维度分析了场景弱变化区域和类型变化区域的融合规律、物理模型的差异性和效果上的互补性，提出了共享超分辨率的双分支（Shared Super-Resolution Dual-Branch,SSRDB）遥感图像时空融合算法.该算法具有如下3个特点：（1）构建了互补性的网络框架，虽然该框架是端到端的深度学习模型，但每个模块有各自的物理意义和任务，通过增加中间监督，分别实现空间维的超分建模，时间维的变化预测建模，以及两者优势互补的融合建模；（2）对变化预测的数学表示进行推演，利用一个非线性补偿模块，使得两分支共享超分模块，在共享超分模块和递归复用超分单元的双重策略下，显著降低了网络参数；（3）递归超分模块使用固定的2倍率超分单元，在有效监督和有效参考下，渐进式进行特征增强与图像重建，这可以有效提高超分精度，且通过调整超分单元个数，灵活适应不同倍率差异的时空融合任务. SSRDB算法在空间和光谱特性上以及变化区域上都展现了优秀的融合效果，RMSE(Root Mean Squared Error)、SAM(Spectral Angle Mapper)和SSIM(Structural Similarity)3个定量评价指标显示，在CIA(Coleambally lrrigation Area)数据集上分别优于次优方法 7.067%、2.065%、0.563%；在LGC(Lower Gwydir Catchment)数据集上分别优于次优方法5.319%、5.490%、1.455%；在Nanjing数据集上分别优于次优方法6.486%、16.290%、0.481%.