融合跨阶段局部网络与注意力的遥感图像锐化方法

针对遥感图像全色锐化中存在光谱分布不均、空间细节缺失的问题,提出一种融合跨阶段局部网络(CSPNet)与无参数注意力(SimAM)的遥感图像锐化方法。首先,在主干结构中引入CSPNet,利用普通卷积加跳连的方式替代特征提取中的残差块,以缓解梯度冗余,提升模型学习力。其次,添加SimAM块,直接从特征中推导出三维权重,而后反向优化提取到的特征,使得模型能提取到更深层次的特征信息。最后,设计一种可学习作差参数来控制相减权重,以便突出融合图像的边缘信息。实验结果表明,所提方法不仅能改善模型的梯度冗余,还能进一步提升融合图像的空谱分辨率。