基于深度学习与超分辨率重建的遥感高时空融合方法

发布时间：2023-06-03 10:44

　　针对遥感影像的"时空矛盾",提出一种改进STARFM的遥感高时空融合方法。利用SRCNN对低分辨率影像进行超分辨率重建,由于所融合的2组影像分辨率差距过大,网络训练困难,先将2组影像均采样至某一中间分辨率,使用高分辨率影像作为低分辨率影像的先验知识进行SRCNN重建,再将得到的中间分辨率影像重采样后以原始高分辨率影像作为先验知识进行第2次SRCNN重建,得到的最终重建图像相比原先使用插值法重采样所得图像,在PSNR和SSIM上均有提升,缓解了传感器差异所造成的系统误差。STARFM融合方法在筛选相似像元与计算权重时均使用专家知识提取人工特征,基于STARFM时空融合的基本思想,以SRCNN作为基本框架自动提取特征,实验结果表明,其MSE值相比原方法更低,进一步提高了遥感时空融合的质量,有利于充分利用遥感影像。

【文章页数】：9 页

【文章目录】：
1 引言
2 基于改进STARFM的遥感高时空融合方法
    2.1 基于深度学习的超分辨率重建方法
    2.2 时空自适应反射率融合模型
3 实验结果与分析
    3.1 研究区域及数据源
    3.2 实验方法
        3.2.1 超分辨率重建实验方法
        3.2.2 时空融合实验方法
        3.2.3 实验结果与分析
4 结束语



本文编号：3829185