一种用于预测航空遥感影像光谱信息的深度学习方法

摘要：

为从航空RGB遥感影像中预测高光谱影像中有用的地物属性信息,提高航空RGB遥感影像光谱的分辨率,提出一种轻量型的深度学习网络模型.所提模型组合了密集卷积神经网络架构和 自适应注意力机制的优点,构建了一种新型密集注意力卷积神经网络模型(dense attention convolutional neural network model,DACNN model).在真实的多模态AeroRIT场景影像和同源的雄安航空遥感影像上的多种定量对比实验结果表明,所提出的网络架构可以生成与原始高光谱遥感影像相似的空间特征和光谱特征,并且所需参数量显著降低,具有较好的性能和适用性,且所提模型架构方法具有一定的通用性.

关键词：高光谱遥感重建、光谱超分辨率、深度学习、自适应注意力机制、密集卷积神经网络

所属期刊栏目：37

分类号：P237(摄影测量学与测绘遥感)

在线出版日期：2023-03-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：123-129