[发明专利]基于深度细节注入网络的高光谱全色锐化方法

权利要求书

1.基于深度细节注入网络的高光谱全色锐化方法，其特征在于，具体按照以下步骤实施：

步骤1、选取两种高光谱图像的数据集，两种高光谱图像的数据集分别覆盖室内场景和室外场景，室内场景用Cave数据集，室外场景用PaviaCenter数据集代表；

步骤2、把步骤1数据集中低分辨率的高光谱图像先进行上采样，然后和全色图像进行联合，输入到卷积层中提取联合图像的浅层特征；

步骤3、步骤2提取到的浅层特征再次送到卷积层中，进一步的提取浅层特征；然后将第二次提取到的浅层特征输入到残差密集块网络中；最后对所有的残差密集块进行一次全局特征融合得到联合图像的层次特征；

步骤4、将步骤2得到的浅层特征和步骤3得到的层次特征进行残差运算；最后进行一次卷积运算得到基于深度细节注入网络的高光谱全色锐化方法的融合结果。

2.根据权利要求1所述的基于深度细节注入网络的高光谱全色锐化方法，其特征在于，所述步骤1具体如下：

步骤1.1、采用Cave数据集代表室内场景，Pavia Center数据集代表室外场景；数据集中的原始高光谱作为参考图，模拟低分辨率的高光谱图像是由参考图进行下采样得到的，模拟高分辨率的全色图像是对参考图的第三维进行求均值得到的；

步骤1.2、对Cave数据集和Pavia Center数据集这两个数据集分别进行训练集、验证集和测试集的划分，其中，每个训练集中图像的数量为整个图像数据集的80％，每个测试集中图像的数量为整个图像数据集的10％，每个验证集中图像的数量为整个图像数据集的10％；

步骤1.3、划分数据集之后，进行数据预处理，统一将图像调整大小为64×64。

3.根据权利要求2所述的基于深度细节注入网络的高光谱全色锐化方法，其特征在于，所述步骤2具体如下：

步骤2.1、对步骤1.1得到的低分辨率的高光谱图像进行上采样，如公式(1)所示：

式中:HS^b代表低分辨率的高光谱图像，b＝1,2,3,…,n，其中n为高光谱图像的波段数；f_up是指低空间分辨率的高光谱图像进行相对倍数的双三次插值函数，代表上采样的高光谱图像；

步骤2.2、对步骤1.1得到的高分辨率的全色图像和步骤2.1得到的高光谱图像进行联合运算，得到的联合图像具有n+1个波段数，该联合过程如公式(2)所示：

式中:B＝1,2,3,…,n,n+1；⊙代表的是全色图像与的联级运算，PAN代表全色图像，代表联合图像；

步骤2.3、在预处理步骤中使用3×3卷积层提取联合图像的浅层特征，公式(3)如下:

F_-1＝f_CONV(HS_in), (3)

式中:f_CONV代表卷积运算；F_-1代表联合图像的浅层特征，同时又作为提取层次特征的输入，还用于全局残差学习。