Key points are not available for this paper at this time.
بسبب قيود أجهزة استشعار الأقمار الصناعية، يمكننا الحصول فقط على صور MS وصور PAN بشكل منفصل. تركيزنا هو استخدام طريقة تحسين الصورة لإنشاء صور متعددة الأطياف بدقة عالية (HRMS). في هذه الورقة، اقترحنا شبكة الدمج متعددة المقاييس ذات الفرعين (DMFN)، والتي تعتمد على المحول المكاني الطيفي لالتقاط المعلومات المحتواة في صور MS وصور PAN بشكل شامل على مقاييس مختلفة. تتكون بنية شبكتنا من ثلاثة أجزاء: خلال مرحلة استخراج الميزات ودمج الصور، نطبق أولاً عمليات التحجيم للصور MS وPAN بشكل مستقل. بعد ذلك، نقوم بتوصيل الصور من الفرعين المتميزين وندخلها في وحدة استخراج الميزات السطحية بشكل فردي. ثم ندخلها في كتلة استخراج الميزات القابلة للتكيف (AFEB) لاستخراج التفاصيل الأساسية للصور باستخدام آلية الانتباه. يتم تمرير الصور عبر مقاييس مختلفة في فرعين مختلفين عبر ثلاثة وحدات (محوّل طيفي) SPET وثلاث وحدات (محوّل مكاني) SPAT لتنفيذ استخراج شامل لكل من الخصائص المكانية والطيفية. أخيراً، تُستخدم وحدة الميزات المحلية المتبقية (RLFM) خلال جزء إعادة بناء الصورة لاستخراج معلومات معقدة من الصور والحصول على الصورة المدمجة النهائية HRMS. قمنا بإجراء تجارب محاكاة وحقيقية على مجموعات البيانات القياسية QB وWV2. تُظهر النتائج المقارنة النوعية والكمية النهائية أن طريقتنا المبتكرة تتفوق على الطرق الحالية.
درس لي وآخرون (مون،) هذا السؤال.