摘要
一种基于深度先验和双注意力残差网络的高光谱图像融合方法、系统、设备及介质,其方法包括:先获取图像数据集并进行预处理,得到低分辨率高光谱图像和全色图像,再通过深度高光谱先验算法对低分辨率高光谱图像进行上采样,得到上采样高光谱图像,然后将全色图像和上采样高光谱图像在光谱维进行拼接得到输入图像,并输入到通道和空间双注意力残差网络中进行重建,得到残差图像,最后对上采样高光谱图像和重建的残差图像进行加和运算得到融合高光谱图像;系统、设备及介质用于实现一种基于深度先验和双注意力残差网络的高光谱图像融合方法;本发明降低了对数据量依赖的同时提高了高光谱图像融合的精度。
技术关键词
注意力
图像融合方法
残差网络
上采样
通道
全色
模块
输出特征
全局平均池化
特征提取网络
图像融合设备
网络架构
损失函数优化
元素
均匀噪声
可读存储介质
算法
系统为您推荐了相关专利信息
资源动态分配方法
深度学习网络
业务系统
性能指标数据
资源动态分配装置
车辆调度优化方法
节点特征
分析模块
强化学习网络
注意力机制
负荷历史数据
注意力机制
嵌入位置信息
样本
电力系统负荷预测
绝缘子缺陷
训练样本集
图像块
注意力机制
输电线路巡检技术