通过基于学习的超分辨率通过与SPOT5图像融合来提高Landsat TM / ETM的空间分辨率

为了充分利用Landsat专题地图(TM)/增强型专题地图(ETM +)图像的宽幅宽度以及Systeme Pour l'Observation de la Terre 5(SPOT5)图像的高空间分辨率,我们提供了一个学习方法融合这两种数据类型的基于超分辨率的方法。 预计融合图像的特征在于TM / ETM +图像的扫描宽度和SPOT5图像的空间分辨率。 为此,我们首先通过模糊和下采样操作建立图像降级模型,从而对从SPOT图像到TM / ETM +图像在其对应频段的成像过程进行建模。 使用此降级模型,我们可以从每个SPOT5图像生成一个模拟的Landsat图像,从而避免了两个输入图像的几何配准需求。 然后,可以在两个阶段中逐个波段地实现图像融合:1)从给定的SPOT5和模拟的TM / ETM +图像中学习代表高分辨率和低分辨率细节的字典对; 2)基于字典对和稀疏编码算法对输入的Landsat图像进行超分辨。 值得注意的是,所提出的方法还可以通过使用学习到的字典对来处理TM / ETM +和SPOT5图像的常规空间和频谱融合。 为了检查所提出的融合TM / ETM +的条带宽度和SPOT5