基于深度残差卷积神经网络的高光谱图像超分辨方法

发布时间：2023-11-24 19:38

　　针对传统的稀疏表示方法的不足,提出一种基于深度残差卷积神经网络的单高光谱图像超分辨率方法,无需对应多光谱图像.研究挖掘低分辨率遥感图像和高分辨率遥感图像之间的非线性关系,构建深度残差卷积神经网络,串联多个残差块,并去除一些不必要的模块.充分挖掘自然图像和高光谱图像之间的相似性,利用自然图像样本训练卷积神经网络,进一步利用迁移学习将训练好的网络模型引入到高分辨率遥感图像超分辨问题上,解决训练样本缺乏问题.经实际的遥感数据超分辨实验结果表明,所提出的方法具有良好的性能,能得到较好的超分辨效果.

【文章页数】：6 页

【文章目录】：
0 引言
1 提出方法
    1.1 符号化
    1.2 深度残差卷积神经网络模型
    1.3 模型训练
    1.4 将模型转移到高光谱图像域
2 实验部分
    2.1 测试数据库
    2.2 实验参数设置及评估指标
    2.3 实验结果
3 结语



本文编号：3866462