预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共66页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

摘要随着人造卫星传感器和遥感技术的迅速发展遥感图像已经被广泛使用到各种场景中。然而由于传感器的技术限制和其他因素现有的卫星传感器不得不在空间分辨率和光谱分辨率之间进行权衡。由于在城市分析、植被检测及土地利用等实际应用中高分辨率多光谱图像的优势越来越明显遥感图像融合也受到越来越多的学者的关注。此外如何获得高分辨率的多光谱图像也是变化检测、目标识别、视觉分析和场景解释等诸多遥感领域急需解决的问题。遥感图像融合是遥感图像领域中一个重要的分支其旨在将低分辨率的多光谱图像和高分辨率的全色图像进行融合以生成具有高分辨率的多光谱图像。由于多光谱图像和对应全色图像中局部信息存在差异因此传统的遥感图像融合算法通常会存在光谱扭曲和空间细节扭曲的问题。为了克服传统遥感图像融合方法的缺点我们提出了一种端到端的、根据局部光谱信息自适应调节注入空间细节的遥感图像融合模型。该模型采用卷积核大小为11的条件网络提取多光谱图像的光谱特征然后以光谱特征为输入学习用于空间特征转换的仿射变换系数从而实现注入的细节信息的自适应调节。同时本文还探讨了生成对抗网络和感知损失对遥感图像融合的影响。使用WorldView-2、WorldView-3以及QuickBird三种卫星遥感数据来验证提出方法的有效性。通过大量的定性和定量分析得知本文提出的融合算法无论是主观视觉还是客观指标均好于对比方法所得融合图像很好地保留了多光谱图像的光谱信息和全色图像的空间细节信息。关键词:全色锐化;空间特征转换;深度学习;多光谱图像;遥感图像融合说明:每部分以偶数页结束。IAbstractWiththerapiddevelopmentofartificialsatellitesensorsandremotesensingtechnologyremotesensingimageshavebeenwidelyusedinvariousscenarios.Howeverduetosensortechnicallimitationsandotherfactorsexistingsatellitesensorshavetomakeatrade-offbetweenspatialresolutionandspectralresolution.Inpracticalapplicationssuchasurbananalysisvegetationdetectionandlandusetheadvantagesofhigh-resolutionmultispectralimagesarebecomingmoreandmoreobviousandremoteimagefusionhasalsoattractedmoreandmorescholars'attention.Besidesformanyremotesensingfieldssuchaschangedetectiontargetrecognitionvisualanalysisandsceneinterpretationhowtoobtainhigh-resolutionmultispectralimagesisanurgentprobleminthesefields.Pan-sharpeningisanimportantbranchinthefieldofremotesensingimageswhichaimstofuselow-resolutionmulti-spectralimagesandhigh-resolutionpanchromaticimagestogeneratemulti-spectralimageswithhighresolution.Duetothedifferencesinthelocalareabetweenthemultispectralimage