计算机工程与科学

作者：于致远, 宋慧慧,

单位：1.南京信息工程大学计算机学院、网络空间安全学院,江苏 南京 210044;2.江苏省大数据分析技术重点实验室,江苏 南京 210044;3.大气环境与装备技术协同创新中心,江苏 南京 210044;4.南京信息工程大学自动化学院,江苏 南京 210044

关键词：遥感,时空融合,Transformer,多尺度特征提取,

基金：自然科学基金(项目编号61872189)

时空融合旨在生成具有高时空分辨率的遥感图像。目前，大多数时空融合模型通常使用卷积运算进行特征提取，无法对全局特征的相关性进行建模，这限制了它们捕获长程依赖性的能力。同时，由于图像空间分辨率的显著差异，重建细节纹理变得十分困难。为了解决这些问题，提出了一种用于遥感图像时空融合的多尺度全聚合网络模型。首先，引入改进的Transformer编码器结构学习图像中的局部时间特征和全局时间特征，通过在空间和通道维度对像素交互进行建模，有效提取图像中包含的时间和空间纹理信息。其次，设计了一种多尺度分层聚合模块，包括局部卷积、中尺度自注意力和全局自注意力，提供全尺度的特征提取能力，这有助于弥补模型在重建过程中出现的特征损失。最后，采用自适应实例归一化和权重融合模块，通过学习从粗图像到精细图像的纹理转移和局部变化，生成具有全局时空相关性的融合图像。在CIA和LGC这2个标准数据集上将提出的模型与5个具有代表性的时空融合模型进行了对比实验。实验结果显示，所提出模型在5种评价指标上均取得了最优结果。

来源：2025年第5期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2025年第5期