基于动态卷积的高光谱图像融合网络

作     者：冯佳琪 Jiaqi Feng

作者机构：上海理工大学光电信息与计算机工程学院上海 

出 版 物：《建模与仿真》 (Modeling and Simulation)

年 卷 期：2024年第13卷第3期

页      码：3292-3305页

摘      要：基于深度学习的高光谱(Hyperspectral Image,HSI)和多光谱图像(Multispectral Image,MSI)融合技术已经被广泛研究,以提高高光谱图像的分辨率。但大多数方法在融合时不能充分提取高光谱和多光谱图像的有效信息。针对这个问题,本文提出了一种基于动态卷积的高光谱图像融合网络DHIF,主要通过三个分支进行图像的特征提取和融合重构。首先,在特征提取阶段,引入动态卷积来提取高光谱和多光谱图像的串联信息,然后针对其他两个图像分支,设计高光谱动态卷积子网络HDCN和多光谱动态卷积子网络MDCN,分别提取HSI和MSI的光谱与空间信息。此外,提取到的信息一方面用于HR-HSI的重构,另一方面作为损失函数的一部分来约束网络的训练。本文在三个高光谱数据集Pavia University(PU)、Pavia Centre(PC)和Botswana上实现了DHIF,并和其他九种目前较好的融合算法进行比较,证明本文提出的模型不论是在数量上还是质量上,都实现了最好的融合效果。

主 题 词：高光谱图像融合 深度学习 动态卷积 

学科分类：08[工学] 0812[工学-测绘类] 

D　O　I：10.12677/mos.2024.133300

馆 藏 号：203128528...