تحسين الصور عبر حقن التفاصيل باستخدام الشبكات العصبية التلافيفية

يهدف تحسين الصور إلى دمج صورة متعددة الأطياف (MS) مع الصورة البانكروماتية المصاحبة (PAN)، مما ينتج صورة مركبة تمتاز بدقة الطيف للصورة الأولى ودقة المساحة للصورة الثانية. يمكن أن تُعزى طرق تحسين الصور التقليدية إلى سياق موحد لحقن التفاصيل، الذي ينظر إلى التفاصيل المدخلة في صورة MS كتكامل لتفاصيل صورة PAN ومعاملات الحقن لكل حزمة. في هذه الورقة، نصمم إطار عمل جديد قائم على حقن التفاصيل باستخدام الشبكات العصبية التلافيفية (DiCNN) لتحسين الصور بحيث يتم صياغة تفاصيل MS مباشرة بطريقة شاملة، حيث يقوم أول نموذج (DiCNN1) باستخراج تفاصيل MS من خلال صورة PAN وصورة MS، ويستخدم النموذج الثاني (DiCNN2) صورة PAN فقط. الميزة الرئيسية لنماذج DiCNN المقترحة هي أنها توفر تفسيرات فيزيائية واضحة ويمكن أن تحقق تقارباً سريعاً مع تحقيق جودة عالية في تحسين الصور. علاوة على ذلك، يتم أيضًا تحليل فعالية الأساليب المقترحة من وجهة نظر نظرية نسبياً. تم تقييم طرقنا من خلال تجارب على مجموعات بيانات حقيقية من صور MS، محققة أداءً ممتازاً بالمقارنة مع طرقstate-of-the-art الأخرى.