8355944_张玉田_基于深度学习的遥感图像融合算法.pdf

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。IAbstractWiththerapiddevelopmentofartificialsatellitesensorsandremotesensingtechnology,remotesensingimageshavebeenwidelyusedinvariousscenarios.However,duetosensortechnicallimitationsandotherfactors,existingsatellitesensorshavetomakeatrade-offbetweenspatialresolutionandspectralresolution.Inpracticalapplicationssuchasurbananalysis,vegetationdetectionandlanduse,theadvantagesofhigh-resolutionmultispectralimagesarebecomingmoreandmoreobvious,andremoteimagefusionhasalsoattractedmoreandmorescholars'attention.Besides,formanyremotesensingfieldssuchaschangedetection,targetrecognition,visualanalysis,andsceneinterpretation,howtoobtainhigh-resolutionmultispectralimagesisanurgentprobleminthesefields.Pan-sharpeningisanimportantbranchinthefieldofremotesensingimages,whichaimstofuselow-resolutionmulti-spectralimagesandhigh-resolutionpanchromaticimagestogeneratemulti-spectralimageswithhighresolution.Duetothedifferencesinthelocalareabetweenthemultispectralimageandthecorrespondingpanchromaticimage,thetraditionalremotesensingimagefusionalgorithmsusuallyhaveproblemsofspectraldistortionanddistortionofspatialdetails.Toovercometheshortcomingsoftraditionalremotesensingimagefusionmethods,weproposeanend-to-endremotesensingimagefusionmodelthatadaptivelyadjustsinjectedspatialdetailsbasedonlocalspectralinformation.Inthismodel,thespec