科学岛团队提出遥感图像融合领域的频域无关特征学习框架
来源：合肥物质科学研究院2024/10/22 8:53:5319
导读
近期，中国科学院合肥物质院智能所谢成军与张洁团队提出了一种全新的频域无关特征学习框架，为多源异构遥感图像的统一表征与自适应融合提供了新的解决方案。
近期，中国科学院合肥物质院智能所谢成军与张洁团队提出了一种全新的频域无关特征学习框架，为多源异构遥感图像的统一表征与自适应融合提供了新的解决方案。该研究在计算机视觉领域TOP国际期刊IEEE Transactions on Circuits and Systems for Video Technology.(IEEE TCSVT)上发表。
遥感图像全色锐化是遥感图像处理方向的核心技术，它通过融合高分辨率的全色图像和低分辨率的多光谱图像，从而生成细节更加丰富、视觉清晰度更高的高分辨率多光谱遥感图像。这项技术在提升光学遥感卫星的空间分辨率与光谱分辨率平衡方面具有重要应用价值，然而，现有的遥感图像全色锐化方法在面对分布外数据时通常会出现显著的性能下降，原因在于其假设训练集和测试集的数据分布相同。
为克服上述挑战，研究团队提出了全新的频域无关特征学习框架。该方法通过分析图像幅值与相位分量中的域无关信息分布，利用频率信息分离模块和可学习的高频滤波器来对图像信息进行解耦，再将这些信息输入专门设计的子网络进行学习。最终，经过信息融合与恢复模块的动态特征通道权重调整，生成高质量的融合图像。在多个公开数据集上的跨场景测试结果表明，该方法在泛化性能方面表现优越，能够有效应对不同数据分布的挑战。通过在WorldView-III数据集上训练，并将其泛化到其他数据集进行测试，该方法不仅在训练数据集上保持了卓越的表现，且在泛化数据集上相比次优方法，分别在WorldView-II和GaoFen-2数据集上取得了1.46 dB和4.97 dB的峰值信噪比(PSNR)提升。此外，视觉效果的对比验证了该框架在域无关信息提取和学习上的有效性，能够在数据分布存在显著差异的情况下，保持稳定的性能。这进一步证明了该方法在解决遥感图像全色锐化泛化问题中的重要价值。
该项工作得到了安徽省自然科学基金项目的资助。张洁副研究员和硕士生曹可为论文的共同第一作者。张俊、周满为论文的共同通讯作者。
图 1 基于频域解耦的遥感图像全色锐化域无关特征学习网络
图 2 可学习的高频滤波模块
表1在WorldView-III数据集上训练的跨数据集实验
图 4 WorldView-II 数据集上的泛化实验结果
版权与免责声明：凡本网注明“来源：兴旺宝”的所有作品，均为浙江兴旺宝明通网络有限公司-兴旺宝合法拥有版 权或有权使用的作品，未经本网授权不得转载、摘编或利用其它方式使用上述作品。已经本网授权使用作品的，应在授权范围内使用，并注明“来源：兴旺宝”。违反上述声明者，本网将追究其相关法律责任。 本网转载并注明自其它来源（非兴旺宝）的作品，目的在于传递更多信息，并不代表本网赞同其观点或和对其真实性负责，不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时，必须保留本网注明的作品第一来源，并自负版权等法律责任。 如涉及作品内容、版权等问题，请在作品发表之日起一周内与本网联系，否则视为放弃相关权利。
展开全部热门评论