公开(公告)号：CN112184554B

公开(公告)日：2022-08-23

申请号：CN202011090427.7

申请日：2020-10-13

Applicant: 重庆邮电大学

Inventor： 李伟生 ,  董美霖

IPC: G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明请求保护一种基于残差混合膨胀卷积的遥感图像融合方法，包括步骤：S1将低分辨率的多光谱图像和高分辨率的全色图像分别进行相应倍数的下采样，并将其堆叠在一起，构建模型需要的数据集；S2借助卷积神经网络的性质，构建一个多尺度的深层残差混合膨胀卷积神经网络；S3采用随机梯度下降算法对网络进行训练，得到训练后的深度卷积神经网络模型；S4将待融合的多光谱图像和全色图像输入到训练后的深度卷积神经网络模型中，得到融合后的高空间分辨率的多光谱图像。本发明利用深度卷积网络更充分地提取图像的空间特征，提高了遥感图像融合方法的融合效果。

公开(公告)号：CN112184554A

公开(公告)日：2021-01-05

申请号：CN202011090427.7

申请日：2020-10-13

Applicant: 重庆邮电大学

Inventor： 李伟生 ,  董美霖

IPC: G06T3/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明请求保护一种基于残差混合膨胀卷积的遥感图像融合方法，包括步骤：S1将低分辨率的多光谱图像和高分辨率的全色图像分别进行相应倍数的下采样，并将其堆叠在一起，构建模型需要的数据集；S2借助卷积神经网络的性质，构建一个多尺度的深层残差混合膨胀卷积神经网络；S3采用随机梯度下降算法对网络进行训练，得到训练后的深度卷积神经网络模型；S4将待融合的多光谱图像和全色图像输入到训练后的深度卷积神经网络模型中，得到融合后的高空间分辨率的多光谱图像。本发明利用深度卷积网络更充分地提取图像的空间特征，提高了遥感图像融合方法的融合效果。