研究目的
开发一种多尺度深度学习模型,用于融合多光谱与高光谱卫星影像,在实现高空间-光谱分辨率的同时最小化空间信息损失。
研究成果
基于LSTM的可扩展融合模型在生成高空间-光谱分辨率图像方面优于CNN模型,这体现在所有测试数据集上更高的SSIM和PSNR值。
研究不足
该研究主要使用同质像素数据集;未来工作可探索具有更多异质像素的图像,并评估其对图像分类的影响。
研究目的
开发一种多尺度深度学习模型,用于融合多光谱与高光谱卫星影像,在实现高空间-光谱分辨率的同时最小化空间信息损失。
研究成果
基于LSTM的可扩展融合模型在生成高空间-光谱分辨率图像方面优于CNN模型,这体现在所有测试数据集上更高的SSIM和PSNR值。
研究不足
该研究主要使用同质像素数据集;未来工作可探索具有更多异质像素的图像,并评估其对图像分类的影响。
加载中....
您正在对论文“[IEEE 2019年第十届高光谱成像与信号处理研讨会:遥感技术演进(WHISPERS) - 荷兰阿姆斯特丹(2019.9.24-2019.9.26)] 2019年第十届高光谱成像与信号处理研讨会:遥感技术演进(WHISPERS) - 基于LSTM网络的像素级尺度融合模型为卫星图像提供高空间-光谱分辨率”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期