1.一种多分支多尺度拉普拉斯渐进式遥感图像融合方法,其特征在于:将待融合处理的遥感图像输入多分支多尺度拉普拉斯渐进式遥感图像融合网络中,进行图像融合;
所述多分支多尺度拉普拉斯渐进式遥感图像融合网络,包括用于提取全色图像信息的全色分支fpb、用于提取多光谱图像的多光谱分支fmb和用于融合和重建两者信息的融合分支;
所述全色分支fpb,用于将全色图像依次经过两次下采样至原全色图像P的预设倍数,分别记为Pd2、Pd4;
所述多光谱分支fmb,用于将多光谱图像依次经过两次上采样至原多光谱图像M的预设倍数,分别记为Mu2、Mu4;
所述Pd4和M在通道维度进行拼接后注入融合分支,融合分支通过递归卷积模块对输入特征进行提取并将特征图上采样预设倍数,然后注入Pd2和Mu2,再次通过递归卷积模块对拼接后的特征进行融合并将特征图再次上采样预设倍数后注入P和Mu4,最后经过一层卷积层后得到高空间分辨率的多光谱图像
2.根据权利要求1所述的多分支多尺度拉普拉斯渐进式遥感图像融合方法,其特征在于:所述全色分支fpb,包括顺序连接的第一递归卷积模块层、第一ReLU激活函数层、第一MaxPooling层、第一卷积层、第二递归卷积模块层、第二ReLU激活函数层、第二MaxPooling层、第二卷积层;所述第一MaxPooling层输出经过第一卷积层后输出,记为Pd2;所述第二MaxPooling层输出经过第二卷积层后输出,记为Pd4。
3.根据权利要求1所述的多分支多尺度拉普拉斯渐进式遥感图像融合方法,其特征在于:所述多光谱分支fmb,包括顺序连接的第三递归卷积模块层、第三ReLU激活函数层、第一Upsample层、第四ReLU激活函数层、第三卷积层、第四递归卷积模块层、第五ReLU激活函数层、第二Upsample层、第六ReLU激活函数层、第四卷积层;所述第四ReLU激活函数层输出经过第三卷积层后输出,记为Mu2;所述第六ReLU激活函数层输出经过第四卷积层后输出,记为Mu4。
4.根据权利要求1所述的多分支多尺度拉普拉斯渐进式遥感图像融合方法,其特征在于:所述融合分支,包括顺序连接的第一Concat层、第五卷积层、第七ReLU激活函数层、第五递归卷积模块、第六卷积层、第三Upsample层、第二Concat层、第六递归卷积模块、第四Upsample层、第八ReLU激活函数层、第三Concat层、第七卷积层;
所述Pd4和M经过所述第一Concat层进行拼接,所述Pd2和Mu2经过所述第二Concat层进行拼接,所述P和Mu4经过所述第三Concat层进行拼接,最后经过所述第七卷积层后得到高空间分辨率的多光谱图像
5.根据权利要求1所述的多分支多尺度拉普拉斯渐进式遥感图像融合方法,其特征在于:所述第一递归卷积模块、第二递归卷积模块、第三递归卷积模块、第四递归卷积模块、第五递归卷积模块、第六递归卷积模块,均由10组卷积层和ReLU激活函数层依次叠加构成。
6.根据权利要求1‑5任意一项所述的多分支多尺度拉普拉斯渐进式遥感图像融合方法,其特征在于:所述多分支多尺度拉普拉斯渐进式遥感图像融合网络,是训练好的网络;
训练过程中采用的损失函数Loss为:
其中,l||·||F为Frobenius范式,λ1,λ2,λ3,λ4为4个比例系数;G、Gd2、Gd4分别表示参考图像、参考图像经过双三次插值尺度缩小预设倍数的结果、参考图像经过双三次插值尺度缩小预设倍数的结果; 均为融合分支的输出,其中, 分别是经过第五递归卷积模块块后通过第五卷积层的输出和经过第六递归卷积模块后通过第六卷积层的输出、 为最后的输出;LMS为原始的多光谱图像M上采样预设倍数的结果;N表示训练集的图像总数量;λ1,λ2,λ3,λ4为4个通过主观经验设置的比例系数。
7.一种多分支多尺度拉普拉斯渐进式遥感图像融合系统,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至6中任一项所述的多分支多尺度拉普拉斯渐进式遥感图像融合方法。