期刊论文

Boosting Qualityof Pansharpened Images UsingDeepResidual Denoising Network

中文

激光与光电子学进展

1006-4125

2019

56

16

161009

10.3788/LOP56.161009

61871610:国家自然科学基金 16B225:湖南省教育科学研究基金 2016JJ3106:湖南省自然科学基金 :南华大学船山人才工程 NHXK04:南华大学重点学科建设项目

本校为第一机构

将理想高分辨率多光谱图像与遥感融合结果之间的残差视为广义噪声,提出了基于深度残差去噪网络(DnCNN)的遥感融合图像质量提升算法。通过DnCNN学习固定融合算法中细节丢失或光谱扭曲的规律,将输入的遥感图像融合结果映射得到残差图像,再用残差图像补充和修复遥感融合结果。在Quickbird卫星遥感图像数据上,利用本文算法对不同方法的融合结果进行增强处理测试,实验结果表明所有算法结果经过DnCNN的后置增强之后,融合质量都大为改善,其中基于支持值变换(SVT)的方法与DnCNN结合的算法性能最好,其性能优于现有最新的遥感图像融合方法。

We considered the residual between an ideal high spatial resolution multi-spectral image and a pansharpened image as generalized noise, and thus proposed a deep residual denoising network (DnCNN)-based quality boosting method for the pansharpened image. We used the DnCNN to learn the patterns of detail loss and spectral distortion of the fixed fusion algorithm, and mapped the input pansharpened image to a residual image. Then, we used the residual image to compensate and repair the pansharpened image. In an experiment using the QuickBird dataset, images pansharpened using different methods wer...