【產(chǎn)通社，9月28日訊】電子科技大學(xué)（University of Electronic Science and Technology of China, UESTC）官網(wǎng)消息，其英才實驗學(xué)院2020級本科生曹啟（數(shù)理基礎(chǔ)科學(xué)專業(yè)）以第一作者身份撰寫的論文“Zero-shot semi-supervised learning for pansharpening”被人工智能及信息融合領(lǐng)域權(quán)威期刊Information Fusion接收（中國自動化學(xué)會推薦期刊A+類，中科院一區(qū)TOP期刊）。曹啟為論文第一作者，數(shù)學(xué)科學(xué)學(xué)院博士生導(dǎo)師鄧良劍研究員為論文通訊作者。

遙感多光譜圖像全色銳化（Pansharpening）的主要目的是將一幅低空間分辨率的多光譜圖像和一幅同時獲取的高空間分辨率全色圖像進行數(shù)據(jù)融合，最終獲得一幅高空間分辨率的多光譜圖像。該技術(shù)能夠利用衛(wèi)星獲取的圖像數(shù)據(jù)產(chǎn)生更為高清、更加實用的多光譜圖像，在地質(zhì)勘測、植被分類、自然災(zāi)害預(yù)估以及城鎮(zhèn)布局觀測等領(lǐng)域發(fā)揮著重要的作用。

近年來，學(xué)者們將傳統(tǒng)數(shù)學(xué)方法與卷積神經(jīng)網(wǎng)絡(luò)技術(shù)用于解決Pansharpening問題，并取得了優(yōu)異的效果。然而，現(xiàn)有各種方法仍存在改進空間。傳統(tǒng)方法使用一對LRMS和PAN來生成全分辨率的HRMS，但由于假設(shè)融合產(chǎn)品之間存在（通常不準確的）線性關(guān)系，因此無法生成高質(zhì)量的融合產(chǎn)品。卷積神經(jīng)網(wǎng)絡(luò)方法，即監(jiān)督和無監(jiān)督學(xué)習(xí)方法，可以對數(shù)據(jù)之間的任意非線性關(guān)系進行建模，但當測試數(shù)據(jù)與訓(xùn)練數(shù)據(jù)不一致時，其性能甚至比傳統(tǒng)方法更差。此外，監(jiān)督方法依賴于模擬降低分辨率的數(shù)據(jù)進行訓(xùn)練，從而導(dǎo)致全分辨率下的信息丟失。無監(jiān)督方法由于缺乏參考圖像和退化過程估計不準確，導(dǎo)致會出現(xiàn)圖像失真。

針對上述問題，論文提出了一種新穎的零次半監(jiān)督學(xué)習(xí)方法（ZS-Pan）。ZS-Pan結(jié)合傳統(tǒng)方法、無監(jiān)督學(xué)習(xí)方法和監(jiān)督學(xué)習(xí)方法的優(yōu)勢，輸入數(shù)據(jù)是單個LRMS/PAN對，并通過非線性神經(jīng)網(wǎng)絡(luò)來探索原始（全分辨率）特征。

實現(xiàn)ZS-Pan面臨著訓(xùn)練數(shù)據(jù)有限和沒有參考圖像的挑戰(zhàn)。為了解決這些挑戰(zhàn)，ZS-Pan框架采用了兩階段三分量模型構(gòu)建，即降低分辨率監(jiān)督預(yù)訓(xùn)練（RSP）、空間退化建立（SDE），以及全分辨率無監(jiān)督生成（FUG）階段。在實驗中，作者使用一些最先進的（SOTA）全色銳化方法來評估所提出的框架在不同數(shù)據(jù)集上的性能以進行比較。結(jié)果表明，ZS-Pan在視覺上和定量上都優(yōu)于這些SOTA方法。

曹啟同學(xué)于2021年開始在鄧良劍老師的指導(dǎo)下從事圖像數(shù)據(jù)有效性與深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的研究工作，已在Information Fusion、ACMMM等高水平期刊和國際會議上發(fā)表多篇第一作者身份論文。近年來，鄧良劍老師作為數(shù)學(xué)科學(xué)學(xué)院黃廷祝教授“圖像處理數(shù)學(xué)模型與高性能算法”團隊骨干，已指導(dǎo)多名不同學(xué)院的本科生在高水平期刊和國際會議上發(fā)表學(xué)術(shù)論文。
 
查詢進一步信息，請訪問官方網(wǎng)站http://news.uestc.edu.cn/，以及http://doi.org/10.1016/j.inffus.2023.102001。（張嘉汐，產(chǎn)通發(fā)布）     （完）