公开(公告)号：CN118351456A

公开(公告)日：2024-07-16

申请号：CN202410513696.1

申请日：2024-04-26

Applicant: 安徽大学

Inventor： 解国晨 ,  吴鹏海 ,  殷志祥 ,  肖翔

IPC: G06V20/13 ,  G06V20/10 ,  G06V10/77 ,  G06V10/80 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明属于多源遥感影像智能处理领域，涉及一种遥感参量时空谱融合的深度学习方法，本发明使用预处理后的遥感参量数据，由“前向”和“后向”两个多尺度CNN构建多尺度双向卷积的时空谱融合模型；首先，以两层卷积网络作为特征提取器，提取传统空间降尺度中高分辨率“谱”信息和时空融合降尺度中“时空”信息；其次，将不同来源的信息相互关联，输入超分网络，形成一个包含了原始图像以及辅助输入的结构和语义信息的综合特征映射；最后，通过融合“前向”和“后向”结果的特征映射，通过加权函数分配特征权重，输出最终图像，进一步提升预测遥感参量的时空分辨率和细节。