Proximal PanNet：一种基于模型的泛锐化深度网络
计算机视觉与模式识别
2022-04-12 v1 图像与视频处理
摘要
近来，深度学习技术已被广泛研究用于泛锐化，其旨在通过将低分辨率多光谱（LRMS）图像与高分辨率全色（PAN）图像融合来生成高分辨率多光谱（HRMS）图像。然而，现有的基于深度学习的泛锐化方法直接学习从 LRMS 和 PAN 到 HRMS 的映射。这些网络架构始终缺乏足够的可解释性，限制了性能的进一步提升。为缓解此问题，我们通过将基于模型的方法与深度学习方法相结合，提出了一种用于泛锐化的新型深度网络。首先，我们利用卷积稀疏编码（CSC）技术建立泛锐化的观测模型，并设计近端梯度算法求解该模型。其次，我们通过使用卷积神经网络学习近端算子，将该迭代算法展开为一个深度网络，称为 Proximal PanNet。最后，所有可学习模块均可以端到端方式自动学习。在一些基准数据集上的实验结果表明，我们的网络在定量和定性上均优于其他先进方法。
引用
@article{arxiv.2203.04286,
title = {Proximal PanNet: A Model-Based Deep Network for Pansharpening},
author = {Xiangyong Cao and Yang Chen and Wenfei Cao},
journal= {arXiv preprint arXiv:2203.04286},
year = {2022}
}
备注
9 pages, 6 figures