-
题名生成对抗网络在遥感图像融合中的研究进展
- 1
-
-
作者
郑黄齐眉
潘成毅
金鑫
王倩倩
苗圣法
江倩
-
机构
云南大学软件学院
云南大学跨境网络空间安全教育部工程研究中心
-
出处
《遥感学报》
北大核心
2025年第10期2859-2872,共14页
-
基金
国家自然科学基金(编号:62101481,62261060)
云南省基础研究计划(编号:202301AW070007,202201AU070033,202201AT070112,202301AU070210)。
-
文摘
遥感图像融合作为数据融合的一个重要分支,对于地物研究具有重要意义,有效选择合适的融合方法对提高图像精度尤为重要。随着遥感技术的发展,传统的图像融合方法已经难以满足图像精度的要求,不断有新的融合方法被提出。在遥感图像处理领域,生成对抗网络(GAN)以其强大的生成能力和对复杂分布的建模能力,迅速成为提升图像融合质量的重要技术。本文回顾了传统的遥感图像融合方法及其局限性,并且分析了深度学习,尤其是GAN在本领域中的优势。通过对多种GAN架构和损失函数的详细介绍,揭示了其在提升融合图像空间和光谱分辨率方面的巨大潜力。此外,还详细阐述了近年来各种基于GAN的遥感图像融合方法,探讨了其在全色锐化以及高光谱全色锐化任务中的应用。本文总结了基于GAN的遥感图像融合方法的发展过程,并从3个方面分析了目前技术存在的问题和未来发展的方向。
-
关键词
遥感图像
多源数据融合
深度学习
生成对抗网络
全色遥感图像锐化
多光谱图像
高光谱图像
-
Keywords
remotesensing image
multi-sourcedatafusion
deeplearning
generativeadversarialnetwork
pan-sharpening
multispectral image
hyperspectral image
-
分类号
TP751.2
[自动化与计算机技术—检测技术与自动化装置]
P2
[天文地球—测绘科学与技术]
-
