[发明专利]基于残差网络的遥感全色和多光谱图像分布式融合方法

权利要求书

1.基于残差网络的遥感全色和多光谱图像分布式融合方法，其特征在于，包括下列步骤：

通过卫星采集目标区域的原始图像，并对所述原始图像进行预处理，所述原始图像包括全色图像和多光谱图像；

根据Wald准则对预处理后的原始图像进行降分辨率处理，获得降分辨率的全色图像和多光谱图像，同时基于降分辨率的全色图像以及多光谱图像构建仿真训练集以及测试集；

构建由3个支路构成的分布式残差融合模型，将训练集中降分辨率的全色图像和多光谱图像作为分布式残差融合模型的输入，全分辨率多光谱图像作为输出，对所述分布式残差融合模型进行充分训练；

将降分辨率的仿真测试集和全分辨率的全色图像和多光谱图像输入到训练好的分布式残差融合模型，得到全色锐化图像；

所述分布式残差融合模型的第1个支路是由用于提取全色图像特征的多层全色图像残差模块构成；

第2个支路是由用于提取多光谱图像特征的多层多光谱图像残差模块构成；

第3个支路是由多层卷积融合模块构成；

全色图像残差模块、多光谱图像残差模块均由残差部分和跳跃连接部分构成；

所述方法还包括：

将训练集中降分辨率的全色图像输入多层全色图像残差模块中进行多尺度全色图像特征的逐层提取；

将训练集中降分辨率的多光谱图像输入多层多光谱图像残差模块中进行多尺度多光谱图像特征的逐层提取；

将逐层提取的多尺度全色图像特征、多尺度多光谱图像特征以及融合支路前一步的融合结果进行通道拼接后输入多层卷积融合模块中进行逐层融合，多层卷积融合模块最后一层的融合结果为所述分布式残差融合模型的融合结果，即全色锐化图像；

将训练集中降分辨率的全色图像输入用于提取全色图像特征的第1个支路的第一层全色图像残差模块中，获得第一尺度全色图像特征，所述第一层全色图像残差模块通过下式表示：其中

将所述第一尺度全色图像特征输入第二层全色图像残差模块中，获得第二尺度全色图像特征，所述第二层全色图像残差模块通过下式表示：其中

将所述第二尺度全色图像特征输入第三层全色图像残差模块中，获得第三尺度全色图像特征，所述第三层全色图像残差模块通过下式表示：其中

将所述第三尺度全色图像特征输入第四层全色图像残差模块中，获得第四尺度全色图像特征，所述第四层全色图像残差模块通过下式表示：其中

式中，PAN₀表示原始全色图像，PAN₁、PAN₂、PAN₃、PAN₄表示全色图像不同尺度特征；分别表示分布式残差融合模型第1个支路的第一、二、三、四层全色图像残差模块中的卷积核；h(PAN₀)、h(PAN₁)、h(PAN₂)、h(PAN₃)分别表示分布式残差融合模型第1个支路第一、二、三、四层全色图像残差模块中的跳跃连接部分；分别表示分布式残差融合模型第1个支路第一、二、三、四层全色图像残差模块中的残差部分；*表示卷积操作。