[发明专利]基于残差通道注意力机制的双流遥感图像融合方法

权利要求书

1.基于残差通道注意力机制的双流遥感图像融合方法，其特征在于，包括以下步骤：

步骤S1、使用卷积神经网络对全色图像和低分辨率多光谱遥感图像进行特征提取，并将两者进行拼接获得拼接特征；

步骤S2、构建残差注意力网络，所述残差注意力网络包括残差注意力模块，所述残差注意力模块中包含通道注意力机制；

步骤S3、将拼接特征输入到残差注意力网络中进行卷积处理，获得初始特征，残差注意力模块根据通道注意力机制对初始特征进行加权分配处理，获得新特征，根据新特征获得强化特征；

步骤S4、将强化特征经过反卷积层放大尺寸，然后再通过一个卷积层重构放大后的特征后，获得高分辨率的多光谱遥感图像。

2.根据权利要求1所述的基于残差通道注意力机制的双流遥感图像融合方法，其特征在于，所述步骤S1在对全色图像进行特征提取前，对全色图像进行下采样以适应低分辨率的多光谱遥感图像的尺寸。

3.根据权利要求1所述的基于残差通道注意力机制的双流遥感图像融合方法，其特征在于，所述步骤S2的的残差注意力网络还包括残差注意力群，所述残差注意力群包括若干块、长残差连接以及短残差连接，所述短残差连接将剩余块堆叠起来，所述长残差连接和短残差连接允许浅层信息直接通过恒等映射向后传播。

4.根据权利要求1所述的基于残差通道注意力机制的双流遥感图像融合方法，其特征在于，所述步骤S3的具体步骤包括：

步骤S31、将拼接特征F_b-1输入到残差注意力网络中，经过两次卷积后获得初始特征X；

步骤S32、将初始特征X输入到残差注意力模块中，由通道注意力机制获得新特征根据新特征与拼接特征F_b-1获得强化特征F_b。

5.根据权利要求4所述的基于残差通道注意力机制的双流遥感图像融合方法，其特征在于，所述步骤S31的具体表达式为：

其中X_b-1为拼接特征F_b-1进行第一次卷积后得到的输出，X_b为经过第二次卷积后得到的输出，初始特征X为X_b的其中一个，W¹和W²分别为第一层和第二层卷积层的权重，b¹和b²表示第一层和第二层卷积层的偏置，3×3代表卷积核的大小，δ(·)表示ReLU激活函数。

6.根据权利要求5所述的基于残差通道注意力机制的双流遥感图像融合方法，其特征在于，所述步骤S32的具体表达式为：

F_b＝CA(X_b)+F_b-1；

其中CA(·)表示通道注意力机制函数，新特征

7.根据权利要求1所述的基于残差通道注意力机制的双流遥感图像融合方法，其特征在于，所述步骤S3中残差注意力模块根据通道注意力机制对初始特征进行加权分配处理并获得强化特征的具体步骤为：

步骤S33、获取通道数量C，对输入的初始特征X进行全局平均池化，并获得通道描述z；

步骤S34、将通道描述z依次经过下采样层和上采样层后，得到通道统计量w，通道统计量w内包含有每一个通道的权重系数w_c；

步骤S35、将权重系数w_c和初始特征X相乘，获得新特征

8.根据权利要求7所述的基于残差通道注意力机制的双流遥感图像融合方法，其特征在于，所述步骤S33中，通道数量C＝(1,2,...,c)，初始特征X＝[X₁,X₂,...X_c]，第c个通道的通道描述z_c的具体表达式为：

其中f_GP(·)为全局平均池化函数，H,W为特征图的尺寸，x_c(i,j)为第c层特征x_c在(i,j)处的值。