![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
遥感图像
文章平均质量分 81
向向2024
计算机视觉、多模态学习、大语言模型、医学图像分析、Diffusion 模型等,带你天天读论文
展开
-
【遥感图像】多光谱与全色图像相关知识总结
多光谱图像(MS)和全色图像(PAN)是遥感技术中常用的两种图像类型,它们各自具有独特的特点和应用优势。原创 2024-05-07 11:48:36 · 538 阅读 · 0 评论 -
Pan-Mamba: Effective pan-sharpening with State Space Model
论文主要研究的是遥感图像的pansharpening技术,这是一种将低分辨率的多光谱图像与高分辨率的全色图像结合起来生成高分辨率多光谱图像的技术。尽管现有的深度学习方法在图像融合方面取得了进展,但仍存在一些挑战,特别是在捕捉全局信息和有效融合信息方面。原创 2024-04-13 12:05:53 · 237 阅读 · 0 评论 -
[Mamba]FusionMamba:基于状态空间模型的高效图像融合
定量和定性评估结果表明,FusionMamba方法达到了最先进的性能。:提出了一个包含空间U-Net和光谱U-Net的网络结构,分别从PAN/RGB图像中提取空间特征,从LRMS/LRHS图像中捕获光谱特征,这种结构允许独立和层次化的学习。:扩展了Mamba模块以支持双输入,创建了一个新的模块,称为FusionMamba模块,它比现有的融合技术(如连接和交叉注意力)更有效。:提出了一种新颖的图像融合方法,名为FusionMamba,它通过结合Mamba模块到两个U形网络中,实现了空间和光谱特征的有效提取。原创 2024-04-13 12:00:00 · 1013 阅读 · 0 评论 -
[CVPR 2024] CANConv: 遥感Pansharpening的内容自适应非局部卷积
本文介绍了一种新的遥感图像融合技术,称为内容自适应非局部卷积(CANConv),专门用于提高遥感图像pansharpening的效果。CANConv通过自适应卷积确保空间适应性,并结合非局部自相似性信息,提高了融合图像的质量。此外,作者还提出了CANNet网络架构,该架构主要利用多尺度自相似性信息。通过广泛的实验,CANConv显示出比现有融合方法更优越的性能,并且其有效性通过可视化、消融实验以及与多个测试集上现有方法的比较得到了证实。原创 2024-04-13 11:41:04 · 305 阅读 · 0 评论