摘要
本发明公开了一种基于多尺度空洞卷积引导的高光谱图像超分辨率重建方法,对HrHSI空间降采样生成LrHSI后,光谱退化生成第一LrMSI;HrHSI通过光谱响应函数生成HrMSI后,空间退化生成第二LrMSI;采用包含多级级联CCE的双分支网络构建初始化图像生成模块,生成高分辨率初始估计;构建双路空洞协同增强模块DDCA,主路径强化局部细节,辅路径压缩全局信息,通过门控机制实现特征校准与残差融合;其中,多尺度空洞融合模块整合通道与空间注意力机制,以增强上下文与细节信息提取能力;基于DDCA构建双U‑Net架构的深度图像生成网络,联合优化实现重建。本发明增强了特征区分能力与细节恢复能力。
技术关键词
空洞
多尺度
图像生成网络
表达式
分支
生成高分辨率
通道
Sigmoid函数
点扩散函数
上采样
模块
低分辨率高光谱图像
全局平均池化
注意力机制
权重特征
融合空间信息
多光谱
系统为您推荐了相关专利信息
深度学习图像语义分割
时序遥感数据
定量评估方法
河道水位变化
SAR遥感影像
电力系统调度方法
门控循环神经网络
风电出力不确定性
充放电功率
火电机组启停
仿真信号
故障诊断模型
特征提取网络
多尺度特征提取
样本
金字塔结构
多尺度
记忆
交叉注意力机制
更新模型参数