文献类型：期刊文章

作　　者：吴佼华[1,2] 杨学志[2,3,4] 方帅[1,2] 董张玉[1,2,4]

WU Jiao-hua;YANG Xue-zhi;FANG Shuai;DONG Zhang-yu(School of Computer and Information,Hefei University of Technology,Hefei 230009;Anhui Province Key Laboratory of Industrial Safety and Emergency Technology,Hefei 230009;School of Software,Hefei University of Technology,Hefei 230009;Intelligent Interconnected System Laboratory of Anhui Province,Hefei 230009,China)

机构地区：[1]合肥工业大学计算机与信息学院,安徽合肥230009 [2]工业安全与应急技术安徽省重点实验室,安徽合肥230009 [3]合肥工业大学软件学院,安徽合肥230009 [4]智能互联系统安徽省实验室,安徽合肥230009

出　　处：《地理与地理信息科学》

基　　金：中央高校基本科研业务费专项资金项目(PA2020GDSK0083);安徽省重点研究与开发计划项目(202004a07020030)。

年　　份：2021

卷　　号：37

期　　号：2

起止页码：22-30

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：针对合成孔径雷达(Synthetic Aperture Radar,SAR)和多光谱(Multi-Spectral,MS)融合图像中存在的空间细节模糊和颜色失真问题,该文兼顾光谱监督和空间细节监督,设计光谱损失函数和空间细节损失函数,提出一种基于双分支卷积神经网络(Convolution Neural Network,CNN)的SAR和MS图像融合算法。该算法网络框架包含光谱保持和细节提升两个分支:光谱保持分支通过上采样MS图像连接到网络的输出,直接将光谱信息传递到融合图像中;细节提升分支对SAR和MS图像通过高通滤波提取高频细节信息,然后应用CNN对细节信息进行特征提取、特征融合及重建,最后将重建的细节信息叠加到上采样的MS图像,得到融合结果。以哨兵-1B GRD级别的SAR图像和Landsat8卫星多光谱图像为实验数据,通过与传统融合算法和深度学习算法RSIFNN进行对比,结果表明,该文算法在定性和定量评价方面效果更好,能够在保持光谱信息的基础上增强多光谱图像的空间细节信息,有利于后续地物分类和目标识别等工作的开展。

关 键 词：合成孔径雷达图像 多光谱图像 图像融合 空间细节信息  卷积神经网络

分 类 号：TP751]