基于深度金字塔网络的Pan-Sharpening算法

作     者：方帅 方赛华 姚宏亮 Fang Shuai;Fang Saihua;Yao Hongliang

作者机构：合肥工业大学计算机与信息学院合肥230009 工业安全与应急技术安徽省重点实验室合肥230009 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2019年第31卷第10期

页      面：1831-1837页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 0835[工学-软件工程] 081002[工学-信号与信息处理] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61872327,61472380) 中央高校基金本科研业务费专项资金(JD2017JGPY0011,JZ2017HGBZ0930) 

主　　题：卷积神经网络 图像金字塔 pan-sharpening 超分辨率 

摘      要：为了利用高空间分辨率单波段的全色(PAN)图像和低空间分辨率的多光谱图像(MS)生成高分辨率的多光谱图像,提出一种基于深度金字塔网络的遥感图像融合(即pan-sharpening)算法,通过图像金字塔的方式逐层上采样来重构高分辨率的多光谱图像.在细节保持方面,针对全色图像和多光谱图像在尺度上跨度过大的问题,采用深度金字塔网络多尺度地融合全色图像的细节信息;在光谱保持方面,使用反卷积层代替传统的超分辨算法来上采样低分率的多光谱图像;最后将这2部分相加,得到最终的融合图像. GeoEye-1数据集上的实验结果表明,文中算法综合性能优于BDSD, PRACS, PNN and PanNet算法.