原创力文档摘要
高光谱（Hyperspectral，HS）全色锐化旨在通过将全色（Panchromatic，PAN）
图像与低空间分辨率高光谱图像融合来生成高空间分辨率的高光谱图像，这一技
术在遥感、环境监测、农业和军事等领域具有广泛的应用前景。然而，现有的方
法在融合过程中常面临空间和光谱失真的问题，主要原因为未充分考虑两种图像
特征之间的模态差异以及缺乏全局依赖关系的建模。本文基于深度学习提出了两
个新颖的高光谱图像全色锐化网络，分别从空间-频域特征融合和全局特征依赖
的角度出发，提升了融合效果。
摘要
高光谱（Hyperspectral，HS）全色锐化旨在通过将全色（Panchromatic，PAN）
图像与低空间分辨率高光谱图像融合来生成高空间分辨率的高光谱图像，这一技
术在遥感、环境监测、农业和军事等领域具有广泛的应用前景。然而，现有的方
法在融合过程中常面临空间和光谱失真的问题，主要原因为未充分考虑两种图像
特征之间的模态差异以及缺乏全局依赖关系的建模。本文基于深度学习提出了两
个新颖的高光谱图像全色锐化网络，分别从空间-频域特征融合和全局特征依赖
的角度出发，提升了融合效果。
文档评论（0）