Dual-Branch Multiscale Channel Fusion Unfolding Network for Optical Remote Sensing Image Super-Resolution

保险丝(电气) 计算机科学 人工智能 可解释性 图像分辨率 图像融合 GSM演进的增强数据速率 频道(广播) 计算机视觉 过程(计算) 光学(聚焦) 特征(语言学) 对偶(语法数字) 计算 补语(音乐) 图像(数学) 模式识别(心理学) 算法 文学类 艺术 化学 互补 哲学 表型 工程类 物理 光学 电气工程 操作系统 基因 生物化学 语言学 计算机网络
作者
Mengyang Shi,Yesheng Gao,Lin Chen,Xingzhao Liu
出处
期刊:IEEE Geoscience and Remote Sensing Letters [Institute of Electrical and Electronics Engineers]
卷期号:19: 1-5
标识
DOI:10.1109/lgrs.2022.3221614
摘要

Single image super-resolution technology is critical in remote sensing fields because it can effectively improve the details of target images. However, the application of deep learning is limited due to the lack of interpretability and the need for many parameters. This letter proposes an interpretable dual-branch multi-scale channel fusion unfolding network (DMUNet) for optical remote sensing image (ORSI) super-resolution. We design an unfolding network with double branches, each optimized with different strategies. Two branches focus on texture and edge reconstruction, respectively. This unfolding network follows the iteration process of the alternating direction method of multipliers (ADMM) and can learn the hyper-parameters adaptively. The functions of the two branches can complement each other. Further, to better fuse the feature maps of the two branches, a multi-scale fusion module is proposed. This module can effectively fuse information between different branches, scales, and channels. It is noted that it only requires a little computation cost. Experiments on two public ORSI datasets demonstrate that our method can achieve significant performance in both quantitative evaluation and visual results.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
2秒前
熊高完成签到,获得积分20
2秒前
hbhbj完成签到,获得积分10
2秒前
gaogao应助辰星采纳,获得10
3秒前
3秒前
肥猫发布了新的文献求助10
4秒前
hanchangcun发布了新的文献求助10
5秒前
在水一方应助kk246采纳,获得10
5秒前
8秒前
情怀应助Q.L采纳,获得10
8秒前
wlq发布了新的文献求助10
8秒前
大先生完成签到 ,获得积分10
10秒前
SpongeBob完成签到,获得积分10
12秒前
jovrtic发布了新的文献求助10
12秒前
平常煎饼发布了新的文献求助10
13秒前
ggb完成签到,获得积分10
13秒前
妙手回春板蓝根完成签到,获得积分10
13秒前
cbp560完成签到,获得积分10
16秒前
Ftucyctucutct发布了新的文献求助10
17秒前
眼睛大雪青完成签到 ,获得积分10
22秒前
大先生完成签到 ,获得积分10
24秒前
石磊完成签到,获得积分10
26秒前
28秒前
28秒前
彭于晏应助tingting采纳,获得10
29秒前
罗婕完成签到,获得积分20
29秒前
勤恳完成签到,获得积分10
29秒前
33秒前
pe完成签到,获得积分10
34秒前
35秒前
微笑的冰烟完成签到,获得积分10
36秒前
野人完成签到,获得积分10
37秒前
罗婕发布了新的文献求助10
37秒前
pe发布了新的文献求助10
37秒前
40秒前
海心完成签到 ,获得积分10
42秒前
42秒前
搬砖工人完成签到,获得积分10
44秒前
44秒前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Handbook of Qualitative Cross-Cultural Research Methods 600
Chen Hansheng: China’s Last Romantic Revolutionary 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3140237
求助须知:如何正确求助?哪些是违规求助? 2791023
关于积分的说明 7797649
捐赠科研通 2447480
什么是DOI,文献DOI怎么找? 1301910
科研通“疑难数据库(出版商)”最低求助积分说明 626345
版权声明 601194