Fusión de imágenes de teledetección con red neuronal convolucional profunda

Las imágenes de teledetección con diferentes resoluciones espacial y espectral, como las imágenes pancromáticas (PAN) y las imágenes multispectrales (MS), pueden ser capturadas por muchos satélites de observación de la Tierra. Normalmente, las imágenes PAN poseen alta resolución espacial pero baja resolución espectral, mientras que las imágenes MS tienen alta resolución espectral con baja resolución espacial. Para integrar la información espacial y espectral contenida en las imágenes PAN y MS, se suelen adoptar técnicas de fusión de imágenes para generar imágenes de teledetección tanto con alta resolución espacial como espectral. En este estudio, basado en la red neuronal convolucional profunda, se propone un método de fusión de imágenes de teledetección que puede extraer adecuadamente características espectrales y espaciales de las imágenes fuente. La principal innovación de este estudio es que el método de fusión propuesto contiene una red de dos ramas con una estructura más profunda que puede capturar características destacadas de las imágenes MS y PAN por separado. Además, se adopta el aprendizaje residual en nuestra red para estudiar a fondo la relación entre las imágenes MS de alta y baja resolución. El método propuesto consiste principalmente en dos procedimientos. Primero, se extraen respectivamente características espaciales y espectrales de las imágenes MS y PAN mediante capas convolucionales con diferentes profundidades. En segundo lugar, el procedimiento de fusión de características utiliza las características extraídas del primer paso para generar imágenes fusionadas. Al evaluar el rendimiento en las imágenes QuickBird y Gaofen-1, nuestro método propuesto proporciona mejores resultados en comparación con otros métodos clásicos.