典型文献
用于遥感图像超分辨率重建的残差对偶回归网络
文献摘要：
使用人工模拟的高-低分辨率图像对易导致在对真实遥感图像超分辨率重建时模型泛化能力差,针对此问题,结合残差通道注意力网络(residual channel attention network,RCAN)的二次残差(residual in residual,RIR)模块,改进对偶回归网络(dual regression networks,DRN),提出了残差对偶回归网络(residual dual regression network,RDRN).选取LandCover.ai和DIOR航空图像数据集的10000张512像素×512像素图像构成样本数据集,用于训练和测试网络,并将重建结果与现有其他超分辨率网络模型的重建结果对比评价.实验结果表明,RDRN在重建质量和模型参数量方面均表现优异,能够在较低模型复杂度的情况下实现较好的超分重建效果,且对不同低分辨率遥感图像具有较好的泛化能力.
文献关键词：
遥感图像;超分辨率重建;对偶回归;残差通道注意力;闭合网络
中图分类号：
作者姓名：
尚晓梅;李佳田;吕少云;杨汝春;杨超
作者机构：
昆明理工大学国土资源工程学院,昆明 650000
文献出处：
引用格式：
[1]尚晓梅;李佳田;吕少云;杨汝春;杨超-.用于遥感图像超分辨率重建的残差对偶回归网络)[J].自然资源遥感,2022(02):112-120
A类：
RDRN,LandCover,闭合网络
B类：
遥感图像,图像超分辨率重建,对偶回归网络,人工模拟,低分辨率图像,模型泛化,泛化能力,残差通道注意力,注意力网络,residual,channel,attention,RCAN,RIR,regression,networks,ai,DIOR,航空图像,图像数据集,像素,素图,图像构成,样本数据集,超分辨率网络,结果对比,对比评价,重建质量,模型参数量,模型复杂度,超分重建
AB值：
0.288846
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
