摘要
本发明公开了一种基于多尺度特征密集聚合的碳排放空间降尺度方法,涉及遥感影像处理的技术领域,包括:获取低分辨率碳排放图像数据集,输入构建的碳排放空间降尺度重建模型中,获得对应的重建碳排放图像;根据所述低分辨率碳排放图像和重建碳排放图像构建损失函数,对碳排放空间降尺度重建模型进行训练,得到训练好的碳排放空间降尺度重建模型;获取待降尺度的低分辨率碳排放图像,输入训练好的模型中,获得高分辨率碳排放图像。所述模型包含全局和局部多路特征聚合子模块、倒残差结构模块以及MiFomer模块,能够深度挖掘影像空间局部和全局表示特征,从而提高了降尺度模型的特征表示与重构能力。本发明能够有效提高碳排放重建图像的质量和准确性。
技术关键词
空间降尺度方法
多尺度特征
图像获取模块
残差结构
拼接单元
输入端
子模块
注意力机制
线性
模型训练模块
上采样
计算机设备
输出端
影像
存储器
处理器
积层
系统为您推荐了相关专利信息
青花瓷
深度学习网络模型
图像处理算法
像素点
深度学习技术
分支
样本
区域建议网络
多尺度特征
少量标注数据
图像拼接精度
图像拼接方法
成像设备
图像拼接算法
数据
强度测定方法
图像采集单元
深度学习模型
深度关联网络
物理