基于并联式卷积神经网络的遥感影像超分辨率重建

作者：李薇; 杜东升^*; 邓剑波; ***

来源：科学技术与工程, 2023, 23(27): 11513-11521.

• 遥感影像
• 超分辨率重建
• 卷积神经网络
• 多尺度
• 并联式

遥感影像超分辨率重建有助于丰富地物细节，从而更全面地反映地物目标信息。为了解决目前基于深度学习的超分辨率重建方法难以同时兼顾影像高、低频信息的问题，提出了一种并联式遥感影像超分辨率重建方法。该方法并联了密集深层反投影网络和浅层多尺度网络，利用密集深层反投影网络精确预测遥感影像的高频内容；同时利用浅层多尺度网络来增加目标可分辨能力，并保留影像的低频部分来提升影像的质量。这个方法在GF-1和GF-2数据集上进行了实验，并在Landsat 8和ASTER异源遥感影像数据集上进行了泛化验证。研究结果表明，相较于增强深度残差网络(enhanced deep residual networks for single image super-resolution, EDSR)、深层和浅层端到端卷积网络(end-to-end image super resolution via deep and shallow convolutional network, EEDS)和密集深层反投影网络(deep back-projection networks for super-resolution, DBPN),峰值信噪比(peak signal to noise ratio, PSNR)分别提升了2.30、2.23、0.25 dB,结构相似度(structural similarity, SSIM)性能指标分别提升了0.131 6、0.108 5、0.009 6。本文方法有助于从数据端改善遥感影像目标识别、地物分类等应用的精度，进一步提高遥感数据在资源调查、环境监测、灾害预报等领域的应用效能。

• 单位
  气象防灾减灾湖南省重点实验室; 湖南省气象科学研究所; 武汉大学测绘遥感信息工程国家重点实验室