遥感图像融合技术能够将含有互补信息的多源图像进行融合,从而得到内容更丰富、光谱质量更高的图像,是遥感应用的关键和基础.针对遥感影像融合过程中容易出现的光谱失真和空间结构失真问题,该文以注意力机制为基础,利用归一化植被指数(normalized difference vegetation index,NDVI)和归一化水指数(normalized difference water index,NDWI)作为先验知识,构建了基于知识引导的遥感影像融合模型(remote sensing image FuseNet,RS-FuseNet).首先,基于高通滤波能够充分提取边缘纹理细节的优势,构建了高通滤波模块提取全色图像高频细节信息;其次,提取多光谱图像的NDVI和NDWI信息;再次,构建自适应挤压激励(squeeze-and-excitation,SE)模块,对输入特征进行重标定;最后,将自适应SE模块与卷积单元结合,对输入特征进行融合处理.以高分六号遥感影像作为数据源,选择施密特正交化(gram-schmidt,GS)、主成分分析(principal component analysis,PCA)、深度网络结构的图像融合网络(a deep network architecture for pan-sharpening,PanNet)、以卷积神经网络为基础的融合网络(pansharpening by convolutional neural networks,PNN)模型作为对比模型开展实验,实验结果表明:该文提出模型的峰值信噪比(peak signal to noise ratio,PSNR)指标(40.5)和结构相似性(structural similarity,SSIM)指标(0.98)均优于对比模型,表明这一方法在遥感影像图像融合方面具有明显的优势.

图像融合;先验知识;卷积神经网络;注意力机制;高分六号

孔爱玲;张承明;李峰;韩颖娟;孙焕英;杜漫飞

山东农业大学信息科学与工程学院,泰安 271018;山东省气候中心,济南 250031;中国气象局旱区特色农业气象灾害监测预警与风险管理重点实验室,银川 750002;航天宏图信息技术股份有限公司,北京 100195

自然资源遥感

[1]孔爱玲;张承明;李峰;韩颖娟;孙焕英;杜漫飞-.基于知识引导的遥感影像融合方法)[J].自然资源遥感,2022(02):47-55

FuseNet,schmidt,PanNet

基于知识,知识引导,遥感影像,影像融合,融合方法,遥感图像融合,图像融合技术,多源图像,遥感应用,失真,真问题,注意力机制,归一化植被指数,normalized,difference,vegetation,NDVI,归一化水指数,water,NDWI,先验知识,融合模型,remote,sensing,image,RS,高通滤波,波能,分提,波模,全色图像,高频细节,细节信息,多光谱图像,挤压激励,squeeze,excitation,SE,输入特征,元结,融合处理,高分六号,数据源,施密特正交化,gram,GS,principal,component,analysis,深度网络结构,融合网络,deep,architecture,pansharpening,by,convolutional,neural,networks,PNN,对比模型,出模,峰值信噪比,peak,signal,noise,ratio,PSNR,结构相似性,structural,similarity,SSIM

0.434994