基于深度支撑值学习网络的遥感图像融合-计算机学报.PDFVIP

第 卷 第 期 计 算 机 学 报 ３９ ８ 　 　　 　　 　　 　　 Ｖｏｌ．３９ Ｎｏ．８ 年 月 ２０１６ ８ Ａｕ．２０１６ ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＣＯＭＰＵＴＥＲＳ ｇ 　 基于深度支撑值学习网络的遥感图像融合 ），） ），） ） ） １ ２ １ ２ ２ ２ 李 红 刘 芳 杨淑媛 张 凯 　 　 　 １）（西安电子科技大学计算机学院 西安 ７１００７１） 　 　 ２）（西安电子科技大学智能感知与图像理解教育部重点实验室、智能感知与计算国际联合研究中心、 智能感知与计算国际合作联合实验室 西安 ７１００７１） 　 　 摘 要 该文将深度学习用于遥感图像融合，在训练深度网络时加入了结构风险最小化的损失函数，提出了一种 　 　 基于深度支撑值学习网络的融合方法 为了避免图像融合过程中的信息损失，在传统卷积神经网络的基础上，取消 ． 了特征映射层的下采样过程，构建了深度支撑值学习网络（ ， ）， Ｄｅｅ Ｓｕ ｏｒｔＶａｌｕｅＬｅａｒｎｉｎ Ｎｅｔｗｏｒｋｓ ＤＳＶＬＮｅｔｓ ｐ ｐｐ ｇ 网络模型包含 个隐藏层，每一层的基本结构由卷积层和线性层构成，该基本单元提供了一种多尺度、 ＤＳＶＬＮｅｔｓ ５ 多方向、各向异性、非下采样的冗余变换，该模型在网络训练完毕之后，取出各卷积层和第 个隐藏层的线性层作 ５ 为网络模型的输出层 输出层的各卷积层图像融合采用绝对值取大法，得到融合后的各卷积层图像；另外，将线性 ． 层图像分别在过完备字典上进行稀疏表示，并对稀疏系数采用绝对值取大法进行融合，得到融合后的线性层图像； 最后将融合后的各卷积层和线性层图像重构得到结果图像 文中使用 和 卫星数据验证本文所提 ． ＱｕｉｃｋＢｉｒｄ Ｇｅｏｅｅ ｙ 方法的有效性，实验结果表明，与 、 、 和 算法相比较，该文所提方法的融合结果无论在主 ＰＣＡ ＡＷＬＰＰＮＴＳＳＣ ＳＶＴ 观