一种基于深度学习和模型驱动的多/高光谱图像融合方法

摘要

本发明公开了一种模型驱动的深度多/高光谱图像融合的方法。本发明的技术关键在于网络的构造与网络的训练(或测试)的新模式。首先，在深度网络的构造阶段，根据低分辨图像的生成机制，建立全新的多/高光谱图像融合模型，设计了模型的迭代求解算法，然后将算法的迭代步骤一一对应地展开成网络模块，建立多/高光谱图像融合网络(MS/HS Fusion Net,MHF‑net)；在网络的训练与测试阶段，本发明给出了响应系数与低分辨率图像同时输入网络的训练模式，首次发明了在训练/测试数据响应系数不一致场景下有效的深度多/高光谱图像融合的方法。本发明的深度多/高光谱图像融合网络具有明显的可解释性、泛化性以及较强的实际应用意义。