本文探讨了如何利用深度学习技术解决哨兵2A/B影像中不同波段分辨率不一致的问题。通过设计深度学习网络进行超分辨率处理，以提高多光谱影像的空间分辨率。实验表明，尽管深度学习方法在纹理明显的区域表现出色，但在城区等复杂环境的效果有待提升。使用西藏、深圳等地的哨兵2影像进行训练，并分享了训练参数和数据集信息。
这段时间，用到了哨兵影像，遇到了一个问题，就是哨兵影像，它的RGB/NIR波段是10米分辨率的，但是其他波段是20米和60米的，这就需要pansharpening了，所以我们需要设计一种算法来进行解决.
先把哨兵2的参数贴上来吧：
通常pansharpening方法，都是一个全色波段提供空间信息，其他低分辨率多光谱波段提供光谱信息，然后将两者进行融合，这样就得到了高分辨率多光谱影像，但是这里有一个问题，就是哨兵影像有四个“全色”波段，能不能都用到呢？
这里贴上一篇2018年的哨兵影像pansharpening方法：Lanaras C , Bioucas-Dias, José, Galliani S , et al. Super-resolution of Sentinel-2 images: Learning a globally applicable deep neural network[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2018, 146:305-319.大家有兴趣可以看看这篇文献，里面提供了基于深度学习方法的哨兵超分思想，这也是我们后续改进的基本参考。
他的这篇文献里面提供的核心思想是，用深度学习网络去拟合数据，这些网络架构就不多说了，注意的一点就是去掉了batch norm层，提高了计算效率。哨兵影像超分的核心思想是如何准备样本的问题，这篇文献的样本制作方法如下所示：
最低0.47元/天 解锁文章
扫一扫
9258
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
