基于细节注入卷积神经网络的全色锐化
图像与视频处理
2018-06-26 v1
摘要
全色锐化旨在将多光谱(MS)图像与相应的全色(PAN)图像融合,生成具有前者光谱分辨率和后者空间分辨率的复合图像。传统的全色锐化方法可归结于统一的细节注入框架,该框架将注入的MS细节视为PAN细节与逐波段注入增益的整合。本工作中,我们设计了一种基于细节注入的CNN(DiCNN)框架用于全色锐化,其中MS细节以端到端方式直接建模:第一个基于细节注入的CNN(DiCNN1)通过PAN图像和MS图像挖掘MS细节,第二个(DiCNN2)仅利用PAN图像。所提DiCNN的主要优势在于其提供明确的物理解释,并能在实现高质量全色锐化的同时实现快速收敛。此外,还从相对理论的角度分析了所提方法的有效性。我们的方法在真实世界MS图像数据集上通过实验评估,与其他最先进方法相比取得了优异性能。
引用
@article{arxiv.1806.08898,
title = {Pansharpening via Detail Injection Based Convolutional Neural Networks},
author = {Lin He and Yizhou Rao and Jun Li and Antonio Plaza and Jiawei Zhu},
journal= {arXiv preprint arXiv:1806.08898},
year = {2018}
}