自主监督的光谱超分辨率,用于快速的超光谱和多光谱图像融合

科学领域:

• 遥感 遥感 遥感 遥感
• 计算机视觉 计算机视觉
• 深度学习 (Deep Learning) 是一种深度学习.

背景情况:

• 超光谱-多光谱图像融合 (HSI-MSI Fusion) 旨在提高超光谱图像分辨率.
• 深度学习方法在HSI-MSI Fusion中很受欢迎,但面临着数据稀缺性和不良泛化等挑战.
• 高的计算成本也是当前深度学习融合技术的一个重要问题.

研究的目的:

• 为HSI-MSI Fusion提出一个创新的深度学习技术.
• 为了应对数据稀缺,概括不良和高计算成本在HSI-MSI Fusion中的挑战.
• 使用光谱超分辨率重建高分辨率的超光谱图像.

主要方法:

• 一个微小的深度神经网络被训练为光谱超分辨率.
• 高分辨率的训练数据是通过空间降解模型人工生成的.
• 该方法从高分辨率的多光谱图像中重建高分辨率的超光谱图像.

主要成果:

• 拟议的方法克服了数据稀缺性和糟糕的概括问题.
• 与现有方法相比,计算负担显著降低.
• 实验结果表明,HSI-MSI融合的性能非常有前途.

结论:

• 开发的微型深度神经网络为HSI-MSI融合提供了有效的解决方案.
• 该方法提供了一种计算效率高且可通用的方法,用于增强高光谱图像分辨率.
• 这项研究为遥感图像融合领域贡献了一种新的技术.