结合递进超分辨率与注意力机制的遥感时空融合方法.pdfVIP

现代计算机第30卷第15期

·48·ModernComputer2024年8月10日

文章编号:1007⁃1423（2024）15⁃0048⁃04DOI:10.3969/j.issn.1007⁃1423.2024.15.008

结合递进超分辨率与注意力机制的遥感时空融合方法

李奇泽*

（太原学院计算机科学与技术系，太原030032）

摘要：针对遥感卫星获取图像的时间分辨率与空间分辨率之间的矛盾，提出一种结合递进超分辨率与注意力机制

的遥感图像时空融合方法。该方法包含递进超分辨率和特征融合模块，前者通过多次2倍上采样实现MODIS和Landsat

图像之间的16倍空间分辨率提升，后者则对五种不同尺度的超分辨率特征进行融合。在CIA数据集上与两种不同的时

空融合算法进行实验，结果表明，所提方法具有较少的光谱损失和更高的细节重建能力。

关键词：时空融合；遥感图像；注意力机制；图像超分辨率；深度学习

［3］

0引言果；李奇泽等通过级联两个增强深度超分辨

［4］

率网络实现16倍上采样；Song等首次将深度

遥感图像在环境监测、资源管理、灾害预

学习用于时空融合。这些不同类型的时空融合

警等领域应用中起到至关重要的作用，可以实

方法展示了遥感图像处理领域的多样性和创新

现对地球表面的全面、远程、实时观测。然而，

性，为提高数据融合质量和应用效果提供了丰富

由于传感器等物理条件的限制，想要从单个卫

的选择和发展方向。目前，时空融合算法在面对

星传感器上同时获得高时间分辨率图像和高空

比较大的空间分辨率采样时仍然有巨大的挑战，

间分辨率图像是比较困难的。此外，遥感影像

为此，本文提出一种结合递进超分辨率与注意力

数据容易受到云、雨、雾等恶劣天气影响，使

机制的遥感图像时空融合方法。

得连续时间序列里可用的高空间分辨率图像数

据更少。因此，国内外许多研究学者提出使用1相关工作

时空融合算法来获取高时空分辨率图像。

11..11遥感时空融合概述遥感时空融合概述

时空融合目前可以分为以下四类，分别为

基于权重函数的方法、基于像元分解的方法、要实施时空融合方法，至少需要使用两种

基于字典学习的方法和基于深度学习的方法。时不同类型的遥感图像。一种是具有高时间分辨

［1］率和低空间分辨率的多光谱图像（lowtemporal

空自适应反射率融合模型（spatialandtemporal

adaptivereflectancefusionmodel，STARFM）算法andhighspatial，LTHS），另一种是具有低空间

通过滑动窗口中像素的频谱、距离和时间来决定分辨率和高时间分辨率的图像（hi