基于高通修正卷积神经网络的泛锐化方法
计算机视觉与模式识别
2021-05-26 v1 机器学习
图像与视频处理
摘要
大多数现有的基于深度学习的泛锐化方法存在若干广泛认可的问题，例如光谱畸变与空间纹理增强不足，我们提出了一种基于高通修正块的新型泛锐化卷积神经网络。与现有方法不同，所提出的块被设计用于学习高通信息，从而增强多光谱分辨率图像各波段中的空间信息。为便于生成视觉上令人满意的泛锐化图像，我们提出了一种感知损失函数，并基于近红外空间中的高层特征进一步优化模型。实验从定量与定性两方面证明了所提方法相较于最先进泛锐化方法的优越性能。所提模型已在 https://github.com/jiaming-wang/HMB 开源。
引用
@article{arxiv.2105.11576,
title = {Pan-sharpening via High-pass Modification Convolutional Neural Network},
author = {Jiaming Wang and Zhenfeng Shao and Xiao Huang and Tao Lu and Ruiqian Zhang and Jiayi Ma},
journal= {arXiv preprint arXiv:2105.11576},
year = {2021}
}
备注
5 pages, 5 figures, accepted by the 28th IEEE International Conference on Image Processing (ICIP 2021)