本小组成员马一鲲同学的综述论文《Review of pixel-level remote sensing image fusion based on deep learning》被国际著名期刊《Information Fusion》接收！

遥感图像在视觉领域中的蓬勃发展导致对图像的细节要求不断提高。然而，让卫星直接提供具有高空间、光谱和时间分辨率的图像是极不现实的。可行的解决方案是整合多源传感器的互补信息以生成具有更高质量的融合图像。因此，本文全面回顾了2014年以来深度学习在遥感像素级融合领域的应用研究。

通过调研相关文献，总结了像素级融合的一些常用方法，并指出其局限性和面临的主要挑战；同时，还简要介绍了该领域一些常用的深度神经网络。

在此基础上，分别回顾了不同网络在遥感空间信息融合和时空信息融合方面的研究进展，并采用一些图像质量指标进行对比。

本文研究表明，尽管在遥感像素级融合领域已经发表了众多的相关工作，但深度学习模型并没有取得相对于传统方法压倒性的优势。一些深度学习模型显示出巨大的潜力，尤其是生成式对抗网络，在图像生成和无监督学习上的强大优势应成为未来研究的热点。同时，还应考虑不同神经网络的联合来充分提取多模态深度信息。此外，雷达和光学图像的像素级融合的研究较少，需要在今后的工作中给予更多的关注。

原文链接：https://doi.org/10.1016/j.inffus.2022.09.008

( 发布日期: 2022-09-21 )