典型文献
用于全色锐化的相对平均生成对抗网络
文献摘要：
为解决全色锐化过程中对原图像特征提取不足导致融合结果细节信息易丢失,以及图像融合过程中因忽略不同区域的空间特征差异而导致信息冗余等问题,采用深度学习算法,提出一种用于全色锐化的相对平均生成对抗网络(Pan-RaG A N).在生成器中利用改进的密集块结构对原图像进行特征提取,充分利用原图像各级特征,获取包含了更多细节信息的融合结果;提出基于空间注意力机制的特征细化模块,用于特征选择,可在保留有效高频信息的同时剔除冗余信息;利用图像重建模块将细化后的特征与上采样的低分辨率多光谱图像进行融合,以保持光谱信息;利用相对平均鉴别器改进网络的损失函数,进一步优化融合效果.在高分2号卫星和快鸟卫星图像数据集上的实验结果表明,与已有用于遥感图像全色锐化的生成对抗网络相比,Pan-RaG A N网络的光谱角映射指标平均降低了0.075,验证了Pan-RaG A N网络的有效性.
文献关键词：
全色锐化;图像融合;相对平均生成对抗网络;空间注意力机制;深度学习
中图分类号：
作者姓名：
陈婷;王松涛;高涛;刘梦尼;陈友静
作者机构：
长安大学信息工程学院, 710000 ,西安
文献出处：
引用格式：
[1]陈婷;王松涛;高涛;刘梦尼;陈友静-.用于全色锐化的相对平均生成对抗网络)[J].西安交通大学学报,2022(03):54-64
A类：
相对平均生成对抗网络,RaG
B类：
全色锐化,原图,图像特征提取,细节信息,图像融合,空间特征,特征差异,致信,信息冗余,深度学习算法,Pan,生成器,密集块,块结构,空间注意力机制,特征选择,留有,频信,冗余信息,图像重建,上采样,低分辨率,多光谱图像,光谱信息,鉴别器,进网,损失函数,优化融合,融合效果,卫星图像,图像数据集,遥感图像
AB值：
0.271095
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。
