结合深度学习与变分模型的空间-光谱融合
计算机视觉与模式识别
2019-09-04 v1
摘要
在空间-光谱融合领域，基于模型的方法和基于深度学习 (DL) 的方法均为当前最优。本文针对空间-光谱融合中最常见的情况：全色/多光谱 (MS) 融合，提出了一种将深度神经网络融入基于模型方法中的融合方法。具体而言，我们首先通过深度残差卷积神经网络 (CNN) 将高空间分辨率全色图像 (HR-PAN) 和低空间分辨率多光谱图像 (LR-MS) 的梯度映射为高空间分辨率多光谱图像 (HR-MS) 的梯度。然后，我们利用 LR-MS 图像、从梯度网络学习到的梯度先验以及理想融合图像构建融合框架。最后，采用迭代优化算法求解该融合模型。基于多种来源高质量图像的定量与视觉评估表明，所提融合方法在整体融合精度上优于比较中包含的所有主流算法。
引用
@article{arxiv.1809.00764,
title = {Spatial-Spectral Fusion by Combining Deep Learning and Variation Model},
author = {Huanfeng Shen and Menghui Jiang and Jie Li and Qiangqiang Yuan and Yanchong Wei and Liangpei Zhang},
journal= {arXiv preprint arXiv:1809.00764},
year = {2019}
}