多尺度残差深度神经网络的卫星图像超分辨率算法

• 作者: 卢涛 汪家明
• 来源期刊: 武汉工程大学学报
• 学科: 工学
• 关键词: 卫星图像 超分辨率 残差网络 残差学习 卷积神经网络
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 机电与信息工程
• 页码范围: 440-445
• 页数: 6页
• 分类号: TP391.4
• 字数: 3653字
• 语种: 中文
• DOI: 10.3969/j.issn.1674?2869.2018.04.018

摘要

卫星图像实现星际对地观测并被广泛的应用到了军事和经济生活领域.受到星载成像设备和星地通讯带宽的限制,卫星图像的地面分辨率常不能完全满足目标识别与分析的需求.卫星图像的成像幅度宽且范围广,地面目标的尺度变化大、纹理信息多样化,给现有图像超分辨率技术带来了新的挑战.针对卫星图像的多尺度特性,提出了一种多尺度残差深度神经网络,首先提取低分辨率卫星图像的多尺度特征,对不同尺度特征建立自适应深度神经网络,然后使用融合网络进行残差融合,融合不同尺度高频信息,最终生成高分辨卫星图像.在SpaceNet卫星图像数据集中的实验结果证明了本文算法的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢涛	武汉工程大学计算机科学与工程学院	20	37	4.0	5.0
2	汪家明	武汉工程大学计算机科学与工程学院	2	10	2.0	2.0