【技术实现步骤摘要】
本专利技术涉及图像融合，具体涉及用于多光谱泛锐化的cnn-di混合融合方法及系统。
技术介绍
1、高分辨率多光谱(hrms)图像因其能提供丰富的地物信息，是遥感领域必不可少的研究数据。但是受生产成本和工业技术限制,无法直接获取hrms图像。当前，研究人员主要通过泛锐化技术，即融合全色图像(pan)和低分辨率多光谱(lrms)图像，以获得hrms图像。其中，pan图像提供的细节信息可以帮助检测和分析小尺度的地物特征，如建筑物、道路网络等。同时，lrms图像可以提供不同波段的光谱特征，用于进行地物分类、植被监测、环境变化分析等任务。
2、基于深度学习和传统的融合方法被广泛应用于现有的泛锐化融合方法中。无论是传统方法还是基于深度学习的方法，他们的共同目标是从不同的单源图像中提取实际特征，并通过设计的融合策略或网络模型生成融合图像。传统方法主要是基于细节注入方法以及基于退化模型的方法。基于退化模型的方法通常需要对场景中的光照、材质等因素进行复杂的建模。然而，这些过程的特性可能因不同的传感器、不同的环境条件和不同的数据集而有所变化。上...
【技术保护点】
1.用于多光谱泛锐化的CNN-DI混合融合方法，其特征在于，包括以下步骤：
2.根据权利要求1所述用于多光谱泛锐化的CNN-DI混合融合方法，其特征在于，对全色图像进行下采样操作，以得到P↓2∈Rm/2×n/2×b和P↓4∈Rm/4×n/4×b具体为：
3.根据权利要求1所述用于多光谱泛锐化的CNN-DI混合融合方法，其特征在于，所述细节注入混合专家网络中的门控网络输出为：
4.根据权利要求3所述用于多光谱泛锐化的CNN-DI混合融合方法，其特征在于，所述全色图像专家模型包括1×1卷积、PReLU激活函数和3×3卷积；所述多光谱图像...
【技术特征摘要】
1.用于多光谱泛锐化的cnn-di混合融合方法，其特征在于，包括以下步骤：
2.根据权利要求1所述用于多光谱泛锐化的cnn-di混合融合方法，其特征在于，对全色图像进行下采样操作，以得到p↓2∈rm/2×n/2×b和p↓4∈rm/4×n/4×b具体为：
3.根据权利要求1所述用于多光谱泛锐化的cnn-di混合融合方法，其特征在于，所述细节注入混合专家网络中的门控网络输出为：
4.根据权利要求3所述用于多光谱泛锐化的cnn-di混合融合方法，其特征在于，所述全色图像专家模型包括1×1卷积、prelu激活函数和3×3卷积；所述多光谱图像专家模型包括relu激活函数、3×3卷积、prelu激活函数和3×3卷积。
5.根据权利要求1所述用于多光谱泛锐化的cnn-di混合融合方法，其特征在于，将特征图gmde输入至第一光谱重建网络得到特征图z，具体为：特征图gmde∈rm×n×b先通过3×3卷积和像素混洗达到上采样的，如下所示：
6.根据权利要求1所述用于多光谱泛锐化的cnn-di混合融合方法，其特征在于，所述空谱自适应模块利用动态卷...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。