SDRCNN：一种用于全色锐化的单尺度密集残差连接卷积神经网络
计算机视觉与模式识别
2023-07-04 v1 图像与视频处理
摘要
全色锐化是将高空间分辨率全色图像与低空间分辨率多光谱图像融合以生成高分辨率多光谱图像的过程。本研究提出了一种名为 SDRCNN 的新型单分支、单尺度轻量卷积神经网络。通过采用新颖的密集残差连接结构与卷积块，SDRCNN 在精度与效率之间实现了更好的权衡。使用来自 WorldView-3、WorldView-2 和 QuickBird 卫星的四个数据集测试了 SDRCNN 的性能。对比方法包括八种传统方法（即 GS、GSA、PRACS、BDSD、SFIM、GLP-CBD、CDIF 和 LRTCFPan）以及五种轻量深度学习方法（即 PNN、PanNet、BayesianNet、DMDNet 和 FusionNet）。基于对全色锐化图像及其绝对残差图的目视检查，在所有考虑的方法中，SDRCNN 表现出最小的空间细节模糊与光谱失真。使用 SDRCNN 时定量评价指标的值最接近其理想值。SDRCNN 的处理时间也是所有测试方法中最短的。最后，消融实验证明了 SDRCNN 中各组件的有效性。所有这些均证实了 SDRCNN 的优越性。
引用
@article{arxiv.2307.00327,
title = {SDRCNN: A single-scale dense residual connected convolutional neural network for pansharpening},
author = {Yuan Fang and Yuanzhi Cai and Lei Fan},
journal= {arXiv preprint arXiv:2307.00327},
year = {2023}
}
备注
This paper has been accepted for publication in the IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing