發(fā)布時間：2024-07-05 03:17

　　為了提升遙感圖像超分辨率重建算法紋理細節(jié)信息還原能力,該文提出了一種基于特征空間感知損失深度殘差網絡的遙感圖像超分辨率重建算法。該算法增加了深度殘差網絡中的殘差塊數(shù)量,在網絡末端采用了亞像素卷積的方法,并在損失函數(shù)中增加了特征空間感知損失。在UCMerced_LandUse數(shù)據集上進行了訓練,并在UCMerced_LandUse數(shù)據集和Draper Satellite Image Chronology數(shù)據集上進行了測試。測試結果證實了該算法與其他算法相比在峰值信噪比和結構相似性指數(shù)上均有一定的提高,證實了該算法較好的超分辨率重建效果與還原遙感圖像紋理細節(jié)信息的能力。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖7實驗結果對比

圖6實驗結果對比表1圖像超分辨率質量評價結果Tab.1QualityEvaluationofImageSuper-ResolutionResults測試圖像放大倍數(shù)評價標準雙三次插值法SRCNNSRResNet本文算法UCMerced-LandUs....

圖8獲取的包頭靶場實驗圖像

本文還以中科院微小衛(wèi)星創(chuàng)新研究院的高分微納衛(wèi)星的遙感圖像為測試集驗證了算法的有效性。圖8為包頭地區(qū)的靶場圖片。圖8(a)為原攝取的圖片經去霧處理后的效果,大小為2000像素×1050像素。本文選取其中感興趣的部分進行實驗,大小為177像素×177像素,如圖8(b)所示。實驗結....

圖9獲取的包頭靶場實驗圖像結果對比

圖8獲取的包頭靶場實驗圖像3結束語

圖1殘差塊

式中:Ws為維度匹配矩陣。1.1.2亞像素卷積層

本文編號：4000958