遥感图像全色锐化的卷积神经网络方法研究进展
随着计算机科学、遥感科学和大数据科学等领域的迅速发展,基于卷积神经网络的方法在图像处理、计算机视觉等任务上发挥着越来越重要的作用.而在遥感图像全色锐化领域,卷积神经网络由于其优秀的融合效果,已得到研究学者的广泛关注并有大量的研究成果产生.尽管如此,依然有一些亟待解决的问题,例如缺乏全色锐化数据集的仿真细节描述、公平公开的训练—测试数据集、简单易懂的统一代码编写框架等.对此,本文主要从以下几方面回顾当前遥感图像全色锐化问题在卷积神经网络方面的一些进展,并针对前述问题发布相关数据集和代码编写框架.1)详细介绍7种典型的基于卷积神经网络的全色锐化方法,并在统一数据集上进行公平比较(包括与典型传统方法的比较);2)详细介绍训练—测试数据集的仿真细节,并发布相关卫星(如WorldView-3,Quick-Bird,GaoFen2,WorldView-2)的全色锐化训练—测试数据集;3)针对本文介绍的7种基于卷积神经网络的方法,发布基于Pytorch深度学习库的Python代码统一编写框架,便于后来初学者入门、开展研究以及公平比较;4)发布统一的全色锐化传统—深度学习方法MATLAB测试软件包,便于后来学者进行公平的实验测试对比;5)对本领域的未来研究方向进行讨论和展望.本文的相关数据集和代码详见课题主页:https://liangjiandeng.github.io/PanCol-lection.html.
全色锐化、卷积神经网络(CNN)、典型卷积神经网络方法比较、数据集发布、代码框架发布、全色锐化综述
28
TP391(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;四川省自然科学基金面上项目;国家重点研发计划;四川省应用基础研究重点项目
2023-02-09（万方平台首次上网日期，不代表论文的发表时间）
共23页
57-79
