基于语义分割的权值调整局部线性细节注入的全色锐化方法、系统、设备及介质技术方案

基于语义分割的权值调整局部线性细节注入的全色锐化方法、系统、设备及介质，方法先使用CNN卷积神经网络对高分辨率PAN图像无监督语义分割得到高分辨率PAN图像聚类标签，再对低分辨率MS和高分辨率PAN图像进行滤波得到插值后的MS和低分辨率PAN图像，并提取低分辨率空间细节，最后根据高分辨率PAN图像聚类标签，调整局部线性细节注入算法的权重参数，并根据低分辨率空间细节最小化目标函数，确定权重调整后线性系数和常数，重建MS波段高分辨率细节，并注入低分辨率MS图像得到MS波段全色锐化图像；系统、设备及介质用于实现基于语义分割的权值调整局部线性细节注入的全色锐化方法；不仅提高了融合图像边缘清晰度和图像分辨率，还提升了可解释性和计算速度。

【技术实现步骤摘要】

本专利技术涉及图像融合，具体涉及基于语义分割的权值调整局部线性细节注入的全色锐化方法、系统、设备及介质。

技术介绍

1、在过去的几十年里，遥感领域在光谱空间分类技术的发展方面取得了重大进展。遥感图像融合在军事行动、环境监测、自然资源管理、基础设施建设等领域都发挥着至关重要的作用。以农业部门为例，精准农业极大地受益于农业政策的设计和实施、作物管理和确保粮食安全。同时，对高分辨率多光谱(hrm)图像的需求促使全色锐化在遥感领域越来越受欢迎。它不仅有助于了解人类活动对生态系统的影响，同时对于了解一个参数或现象的分布也有帮助。

2、全色锐化是指利用高分辨率全色(hrp)和低分辨率多光谱(lrm)图像的互补特性来产生高质量图像。主流的全色锐化方法主要分为两类：分量替换(cs)和多分辨率分析(mra)，但这些方法可能会导致局部区域的频谱失真。为了克服cs或mra方法的局限性，一种局部线性细节注入(lldi)的全色锐化方法被广泛使用。该方法通过多光谱(ms)波段的空间细节与全色(pan)图像之间的局部线性关系来估计每个ms波段缺失的空间细节，获得了比gsa、本文档来自技高网...

【技术保护点】

1.基于语义分割的权值调整局部线性细节注入的全色锐化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于语义分割的权值调整局部线性细节注入的全色锐化方法，其特征在于，所述步骤1具体包括以下步骤：

3.根据权利要求1所述的基于语义分割的权值调整局部线性细节注入的全色锐化方法，其特征在于，所述步骤2具体包括以下步骤：

4.根据权利要求1所述的基于语义分割的权值调整局部线性细节注入的全色锐化方法，其特征在于，步骤3所述低分辨率空间细节和表示为：

5.根据权利要求1所述的基于语义分割的权值调整局部线性细节注入的全色锐化方法，其特征在于，所...

【技术特征摘要】

1.基于语义分割的权值调整局部线性细节注入的全色锐化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于语义分割的权值调整局部线性细节注入的全色锐化方法，其特征在于，所述步骤1具体包括以下步骤：

3.根据权利要求1所述的基于语义分割的权值调整局部线性细节注入的全色锐化方法，其特征在于，所述步骤2具体包括以下步骤：

4.根据权利要求1所述的基于语义分割的权值调整局部线性细节注入的全色锐化方法，其特征在于，步骤3所述低分辨率空间细节和表示为：

5.根据权利要求1所述的基于语义分割的权值调整局部线性细节注入的全色锐化方法，其特征在于，所述的步骤4...

【专利技术属性】
技术研发人员：惠永昌，彭羽菲，刘懿，张飞鹏，刘军民，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：