通过学习深度残差网络提升多光谱图像全色锐化精度
计算机视觉与模式识别
2017-11-22 v2
摘要
在多光谱与全色图像融合（全色锐化）领域，深度神经网络令人瞩目的有效性近来已被用于克服传统线性模型的缺陷并提升融合精度。然而，据我们所知，现有研究主要基于结构相对较浅的简单扁平网络，这严重限制了其性能。本文引入残差学习的概念，构建了一个极深的卷积神经网络，以充分利用深度学习模型的高度非线性。通过对大量不同来源的高质量多光谱图像进行定量和视觉评估，结果表明我们提出的模型优于对比中包含的所有主流算法，并达到了最高的空间-光谱统一精度。
引用
@article{arxiv.1705.07556,
title = {Boosting the accuracy of multi-spectral image pan-sharpening by learning a deep residual network},
author = {Yancong Wei and Qiangqiang Yuan and Huanfeng Shen and Liangpei Zhang},
journal= {arXiv preprint arXiv:1705.07556},
year = {2017}
}
备注
5 pages,5 figures, 1 table