May, 2024

卫星图像的光谱保真度和空间增强评估及级联图像融合技术

PDF
TL;DR该研究提供了卫星影像的全面融合技术评估，重点关注光谱保真度和空间增强两个关键方面。通过建立一种新颖的级联结构评估框架，对现有方法进行了详细比较分析，结果显示在光谱精度提高 88% 的同时实现了空间分辨率的增强。研究揭示了融合技术在遥感应用中的实际意义，并强调了光谱和空间两个方面的重要性。通过系统地采用多种融合算法，对它们的性能进行了整体观察，有助于更深入地了解它们的能力和局限。
pan-sharpening techniquesspectral fidelityspatial enhancementalgorithm selectionremote sensing applications
发现论文，激发创造
  • 高光谱全色融合：关键综述、工具和未来展望

    设计了一个大而多样化的数据集，选择一组最先进的方法并进行比较分析，以解决高光谱全色融合的技术复杂性和评估方法不全面的问题。

    Jul, 2024

  • 高光谱融合影像回顾

    本研究比较了基于高光谱数据的新型泛光谱技术和一些适用于高光谱数据的多光谱泛光谱技术的方法，并通过广泛使用的性能指标评估了它们的有效性和鲁棒性，并提供一个 MATLAB 工具箱供社区使用。

    Apr, 2015

  • PanBench：高分辨率和高性能全色融合

    提出了使用高分辨率多场景数据集 PanBench 和级联多尺度融合网络（CMFNet）进行高保真度的 Pansharpening，通过对 CMFNet 进行大量实验证实其有效性，并开放了数据集、源代码和预训练模型以促进遥感领域的进一步研究。

    Nov, 2023

  • SSDiff: 遥感全色增强的空间光谱综合扩散模型

    这篇论文介绍了一种用于遥感全色增强任务的空间 - 光谱集成扩散模型 (SSDiff)，该模型通过子空间分解的视角将全色增强过程视为空间和光谱成分的融合过程。SSDiff 利用空间和光谱分支分别学习空间细节和光谱特征，然后采用设计的交替投影融合模块 (APFM) 来完成融合。此外，文章还提出了一种调制频率分布的分支间频率调制模块 (FMIM)。SSDiff 的两个组件通过一种类似分支交替微调方法的低秩适应 (LoRA) 来优化性能，更充分地捕捉分量区分特征。对 WorldView-3、WorldView-2、GaoFen-2 和 QuickBird 四个常用数据集进行的大量实验在视觉和定量上证明了 SSDiff 的优越性。

    Apr, 2024

  • 利用空间细节记忆进行全色影像增强学习

    本文提出基于深度学习的无需全色图像的全色增强技术方法，通过内置基础边缘轮廓实现对全色图像的无需输入，该方法在高分一号和 WorldView-4 卫星上获得最佳增强效果。

    Jun, 2023

  • PRISMA 产品的全色融合技术在考古勘探中的应用

    该研究评估了 PRISMA 卫星产品在地质考古勘探中的可用性，对比了三种泛锐化方法并测试了在意大利 Aquileia 考古景观上的效果，结果表明在特定条件下，泛锐化技术使高光谱卫星图像非常适用于识别不同大小的地下考古遗迹。

    Apr, 2024

  • 用于遥感影像全色增强的多尺度和多深度卷积神经网络

    本研究提出了一种名为 MSDCNN 的多尺度和多深度卷积神经网络用于遥感影像的 pan-sharpening 任务，该网络通过卷积神经网络的多尺度特征提取和残差学习来实现非线性关系的有效建模，实验结果表明，与其他先进方法相比，MSDCNN 可以获得质量更高的图像。

    Dec, 2017

  • 基于无监督深度学习的波段融合技术与频谱空间保真度的联合增强

    最近几年，深度学习在多分辨率图像泛光提升中起着主导作用。本文提出了一种基于深度学习的全分辨率训练框架，通过定义适当的损失函数和训练方法，充分发挥了这种方法的潜力，提供了先进的性能。实验证明，该方法在数值结果和视觉输出方面与现有技术相比具有显著优势。

    Jul, 2023

  • 通过广义逆理解图像融合技术

    利用简单矩阵方程描述了全色融合问题，通过引入广义逆矩阵理论，推导了两种普遍形式的逆矩阵公式，实验结果表明所提方法在合成和真实实验中都比其他方法更好更清晰，且降采样增强方法在真实实验中达到了更好的定量和定性效果。

    Oct, 2023

  • 深度梯度投影网络用于全色影像锐化

    本文提出了一种基于模型的深度全色增强方法，通过将两个优化问题分别用于全色图像和低分辨率多光谱图像的生成模型，再使用梯度投影算法求解，最后通过交替堆叠两个网络块构建了一种新的网络，称为梯度投影全色增强神经网络，实验结果表明该网络在不同类型的卫星数据集上表现优于现有方法。

    Mar, 2021