用于遥感全色锐化的内容自适应非局部卷积
计算机视觉与模式识别
2024-04-12 v1 图像与视频处理
摘要
目前，基于机器学习的遥感全色锐化方法发展迅速。然而，现有的全色锐化方法通常未能充分利用非局部空间中的差异化区域信息，从而限制了方法的有效性并导致冗余的学习参数。在本文中，我们引入了一种称为内容自适应非局部卷积（CANConv）的新方法，专门用于遥感图像全色锐化。具体来说，CANConv采用自适应卷积，确保空间适应性，并通过相似关系划分（SRP）和分区自适应卷积（PWAC）子模块融入非局部自相似性。此外，我们还提出了相应的网络架构CANNet，主要利用多尺度自相似性。大量实验表明，与最近有前景的融合方法相比，CANConv具有优越的性能。此外，我们通过可视化、消融实验以及在多个测试集上与现有方法的比较，证实了该方法的有效性。源代码可在https://github.com/duanyll/CANConv公开获取。
引用
@article{arxiv.2404.07543,
title = {Content-Adaptive Non-Local Convolution for Remote Sensing Pansharpening},
author = {Yule Duan and Xiao Wu and Haoyu Deng and Liang-Jian Deng},
journal= {arXiv preprint arXiv:2404.07543},
year = {2024}
}
备注
Accepted by CVPR 2024