基于深度学习与超分辨率重建的遥感高时空融合方法

来源：计算机工程与科学杂志2020年第9期北京时间：

作者：张永梅, 滑瑞敏, 马健喆, 胡蕾

单位：（1.北方工业大学信息学院,北京 100144；2.香港理工大学电子与信息工程系，香港 00852；3.江西师范大学计算机信息工程学院，江西 南昌 330022）

摘要：针对遥感影像的“时空矛盾”，提出一种改进STARFM的遥感高时空融合方法。利用SRCNN对低分辨率影像进行超分辨率重建，由于所融合的2组影像分辨率差距过大，网络训练困难，先将2组影像均采样至某一中间分辨率，使用高分辨率影像作为低分辨率影像的先验知识进行SRCNN重建，再将得到的中间分辨率影像重采样后以原始高分辨率影像作为先验知识进行第2次SRCNN重建，得到的最终重建图像相比原先使用插值法重采样所得图像，在PSNR和SSIM上均有提升，缓解了传感器差异所造成的系统误差。STARFM融合方法在筛选相似像元与计算权重时均使用专家知识提取人工特征，基于STARFM时空融合的基本思想，以SRCNN作为基本框架自动提取特征，实验结果表明，其MSE值相比原方法更低，进一步提高了遥感时空融合的质量，有利于充分利用遥感影像。

关键词：时空融合,改进STARFM,SRCNN,自动特征提取,

基金资助：国家自然科学基金（61371143，61662033）;教育部高等教育司产学合作协同育人项目（201801121002）;全国高等学校计算机教育研究会2019年度课题（CERACU2019R05）;教育部科技发展中心“天诚汇智”创新促教基金（2018A03029）;2019年度北京市教委基本科研业务费（110052971921/002）