Los puntos clave no están disponibles para este artículo en este momento.
El pansharpening está relacionado con la fusión de una imagen multiespectral (MS) de baja resolución espacial que retiene un contenido espectral abundante y una imagen pancromática (PAN) de alta resolución espacial para obtener un producto que combine el contenido espectral abundante de la primera y la alta resolución espacial de la segunda. Muchos estudios previos se han centrado únicamente en la relación global o local entre la imagen PAN y la correspondiente imagen multiespectral de alta resolución (HRMS). Sin embargo, encontramos que la relación entre las imágenes PAN y HRMS en el dominio del gradiente puede explorarse mejor a través del contexto de la imagen. En este artículo, proponemos la fidelidad de inyección de detalles consciente del contexto (CDIF) con estimación de coeficientes adaptativos, que puede explorar completamente la complicada relación entre la imagen PAN y la imagen HRMS en el dominio del gradiente. Más específicamente, aplicamos un método de agrupamiento para dividir los píxeles de una imagen en diferentes regiones basadas en el contexto. Posteriormente, se estiman los coeficientes adaptativos mediante un método basado en regresión para cada región. El CDIF es efectivo para extraer las principales características de las dos entradas a fusionar. Además, integramos el CDIF con un término de fidelidad convencional y una regularización de variación total para formular un nuevo modelo de pansharpening variacional que se resuelve diseñando un algoritmo basado en el marco del método de direcciones alternas de multiplicadores (ADMM). Evaluaciones cualitativas y cuantitativas sobre diferentes conjuntos de datos respaldan la efectividad y robustez del método propuesto. El código está disponible en https://github.com/liangjiandeng/CDIF.
Xiao et al. (Sat,) estudiaron esta cuestión.