基于位置感知神经网络的多分辨率多光谱图像鲁棒递归融合
图像与视频处理
2025-09-17 v2 信号处理
摘要
多分辨率图像融合是实时卫星成像的关键问题，在检测和监测洪水等自然现象中发挥核心作用。它旨在解决遥感仪器中时间分辨率与空间分辨率之间的权衡。尽管已为该问题提出了多种算法，但云等异常值的存在会降低其性能。此外，整合鲁棒性、递归操作和学习模型的策略尚付阙如。本文提出了一种鲁棒递归图像融合框架，利用位置感知神经网络（NN）来建模图像动态。异常值通过表示给定像素和波段被污染的概率来建模。一个小数据集上训练的 NN 模型提供了对随机图像时间演化的准确预测，从而提升了方法的准确性和鲁棒性。我们提出了一种递归方案，利用贝叶斯变分推断框架来估计高分辨率图像。融合 Landsat 8 和 MODIS 仪器图像的实验表明，所提方法在面对云覆盖时显著更鲁棒，而在无云情况下不会损失性能。
引用
@article{arxiv.2506.13733,
title = {Robust Recursive Fusion of Multiresolution Multispectral Images with Location-Aware Neural Networks},
author = {Haoqing Li and Ricardo Borsoi and Tales Imbiriba and Pau Closas},
journal= {arXiv preprint arXiv:2506.13733},
year = {2025}
}