LDP-Net：一种基于可学习退化过程的无监督全色锐化网络
图像与视频处理
2021-11-25 v1 计算机视觉与模式识别
摘要
遥感图像中的全色锐化旨在通过融合低分辨率多光谱图像与全色图像，直接获取高分辨率多光谱图像。其主要关注点在于如何有效地将低分辨率多光谱图像的丰富光谱信息与全色图像的丰富空间信息相结合。最近，许多基于深度学习的方法被提出用于全色锐化任务。然而，这些方法通常存在两个主要缺点：1) 需要高分辨率多光谱图像进行监督学习；2) 简单地忽略多光谱图像与全色图像之间的潜在关系，直接进行融合。为了解决这些问题，我们提出了一种基于可学习退化过程的新型无监督网络，称为 LDP-Net。我们设计了一个重模糊块和一个灰度化块，分别用于学习相应的退化过程。此外，还提出了一种新颖的混合损失函数，以在不同分辨率下约束全色锐化图像与全色图像及低分辨率多光谱图像之间的空间和光谱一致性。在 Worldview2 和 Worldview3 图像上的实验表明，我们提出的 LDP-Net 能够在无需高分辨率多光谱样本帮助的情况下有效融合全色图像和低分辨率多光谱图像，在定性视觉效果和定量指标方面均取得了令人满意的性能。
引用
@article{arxiv.2111.12483,
title = {LDP-Net: An Unsupervised Pansharpening Network Based on Learnable Degradation Processes},
author = {Jiahui Ni and Zhimin Shao and Zhongzhou Zhang and Mingzheng Hou and Jiliu Zhou and Leyuan Fang and Yi Zhang},
journal= {arXiv preprint arXiv:2111.12483},
year = {2021}
}