论文部分内容阅读
基于深度学习的遥感图像超分辨率重建技术是计算机视觉中的重要技术之一。传统的遥感图像超分重建方法已无法满足地物目标识别,详细土地检测等应用的需求,因此如何利用深度学习来重建遥感图像的分辨率是目前有待解决的问题。结合国内外最新研究现状,将基于深度学习的遥感图像超分重建方法分成3大类:单幅遥感图像、多幅遥感图像和多/高光谱遥感图像超分重建方法。系统梳理了基于深度学习的单幅遥感图像超分重建方法,包括基于多尺度特征提取的方法、结合小波变换的方法、沙漏状生成网络的方法、边缘增强网络的方法以及可跨传感器的方法。总结了基于深度学习的多幅遥感图像和多/高光谱遥感图像超分辨率重建方法中目前主流的方法。通过实验结果分析了遥感图像超分重建方法目前效果最好的单幅图像超分重建方法是基于GAN的方法,但是多幅遥感图像和多/高光谱遥感图像超分重建效果仍然不佳,存在配准融合、多源信息融合等问题。最后对基于深度学习的遥感图像超分重建方法未来可能的发展趋势进行了展望,指出构建针对遥感图像特点的神经网络结构,无监督学习的遥感图像超分重建方法,以及多源遥感图像的超分重建方法是未来的研究趋势。