基于少样本学习的遥感图像超分辨率重建算法

摘要

基于深度学习的超分辨率重建方法多数采用已知的模糊核训练网络,在实际应用中模糊核通常未知,在此情况下这类方法的重建效果将显著下降.零样本超分方法利用图像自身构建训练集,能够改善由于模糊核未知所带来的性能下降,但由于仅利用图像自身信息,对重建效果的提升有一定的局限性.本文提出增强少样本学习方法解决模糊核未知时的超分重建问题,一方面,选取与低分图像类似的示例图像构建训练集;另一方面,扩大网络规模并优化网络结构.在U CMerced_Lan-dUse数据集上的实验结果表明,与零样本超分方法相比,本文所提方法具有更好的超分重建效果.