SIPSA-Net：用于卫星影像且具有运动目标对齐的平移不变全色锐化网络

全色锐化是将高分辨率（HR）全色（PAN）图像及其对应的低分辨率（LR）多光谱（MS）图像融合以生成HR-MS全色锐化图像的过程。然而，由于不同传感器的位置、特性和采集时间不同，PAN与MS图像对往往存在不同程度的未对齐。使用此类未对齐PAN-MS图像对训练的常规基于深度学习的方法，在其生成的PAN锐化图像中会出现双边缘和模糊等多种伪影。本文中，我们提出了一种称为具有运动目标对齐的平移不变全色锐化（SIPSA-Net）的新框架，这是首个考虑运动目标区域如此大未对齐问题的PAN锐化方法。SISPA-Net具有一个特征对齐模块（FAM），即使处于PAN与MS两个不同域之间，也能将一个特征调整为与另一特征对齐。为了在锐化图像中获得更好的对齐效果，新设计了平移不变光谱损失，其忽略原始MS输入中固有的未对齐，从而具有与使用对齐良好的MS图像优化光谱损失相同的效果。大量实验结果表明，与最先进的方法相比，我们的SIPSA-Net在视觉质量和对齐方面均能生成有显著改进的锐化图像。