| 深度递归残差网络的遥感图像空谱融合 |
| |
| 引用本文： | 王芬,郭擎,葛小青.深度递归残差网络的遥感图像空谱融合[J].遥感学报,2021,25(6):1244-1256. |
| |
| 作者姓名： | 王芬 郭擎 葛小青 |
| |
| 作者单位： | 1.中国科学院空天信息创新研究院, 北京 100094;2.中国科学院大学 电子电气与通讯工程学院, 北京 100049 |
| |
| 基金项目： | 国家自然科学基金（编号：61771470） |
| |
| 摘 要： | 为了充分利用多光谱图像的光谱信息和全色图像的空间信息，本文提出一种基于深度递归残差网络的遥感图像空谱融合方法。方法将残差网络和递归网络相结合，利用残差网络学习低空间分辨率多光谱图像与高空间分辨率多光谱图像之间的残差，同时结合全局残差和局部残差，加快网络的收敛速度，解决深层次网络容易出现的梯度消失和梯度爆炸问题；利用递归神经网络在不增加权重参数、减轻过拟合的情况下通过提高网络层数来提高精度，得到更好的图像融合效果。为了验证本文方法的有效性，应用遥感图像进行模拟实验、真实实验和泛化实验，实验结果与传统方法和现有深度学习方法进行对比分析。主观视觉和客观定量评价表明，本文方法很好地改善了传统方法存在的光谱失真现象，并且较现有深度学习方法学习到更深层次丰富的图像特征，更好地保留了图像的空谱信息，同时泛化实验也说明本文的网络具有较好的泛化能力。
|
| 关 键 词： | 遥感图像融合 空谱融合 深度学习 卷积神经网络 残差网络 递归神经网络 |
| 收稿时间： | 2019/7/11 0:00:00 |
Pan-sharpening by deep recursive residual network |
| |
| WANG Fen,GUO Qing,GE Xiaoqing.Pan-sharpening by deep recursive residual network[J].Journal of Remote Sensing,2021,25(6):1244-1256. |
| |
| Authors: | WANG Fen GUO Qing GE Xiaoqing |
| |
| Institution: | 1.Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China;2.School of Electronic, Electrical and Communication Engineering, University of Chinese Academy of Sciences, Beijing 100049, China |
| |
| Abstract: | |
| |
| Keywords: | remote sensing image fusion space spectrum fusion deep learning convolutional neural network residual network recursive network |
|
| 点击此处可从《遥感学报》浏览原始摘要信息 |
| 点击此处可从《遥感学报》下载免费的PDF全文 |
