摘要：多光谱图像全色锐化是遥感影像处理与解译领域的热点问题。相较于传统全色锐化方法，基于深度学习的全色锐化方法聚焦于图像深层次特征的提取，大幅提升了融合图像的质量。本文提出了一种基于混合双分支卷积神经网络和图卷积神经网络的全色锐化方法，旨在同时挖掘图像的光谱、空间与非几何结构信息，提升融合图像空间分辨率和光谱分辨率。本方法建立在多分辨率分析融合框架的基础上，利用深度神经网络构建了特征提取、特征融合和图像重构模块。首先，混合双分支网络模块是由2D卷积神经网络和3D卷积神经网络构建。其中，2D卷积神经网络旨在挖掘多光谱图像与全色图像的空间特征，3D卷积神经网络旨在挖掘图像的光谱特征。其次，引入了图卷积神经网络，捕捉图像图结构中节点的空间关系，整合非局部信息。然后，将多光谱图像与全色图像的空间、光谱和非几何特征利用特征融合模块融合在一起。最后，将融合特征输入图像重构网络重建高质量多光谱图像。本文算法在GeoEye-1和IKONOS遥感数据上进行了实验验证。实验结果表明，与其他方法相比，本文算法在主观视觉和客观评价指标上表现出优秀性能。
文章目录
1 本文算法
1.1 模型整体框架
1.2混合双分支卷积神经网络
1.3图卷积神经网络
1.4损失函数
2 实验结果与分析
2.1 数据集
2.2实验环境
2.3评价指标
2.4实验结果与分析
2.5消融实验
3 结束语
