Research Progress of Generative Adversarial Networks in Remote Sensing Image Fusion
摘要
تتميز دمج الصور البعيدة المسافة كفرع هام من دمج البيانات، ولها أهمية كبيرة في دراسة الكائنات الأرضية، واختيار الطريقة المناسبة بشكل فعال للدمج أمر مهم بشكل خاص لتحسين دقة الصور. مع تطور تقنيات الاستشعار عن بعد، أصبح من الصعب على الطرق التقليدية لدمج الصور تلبية متطلبات دقة الصور، ويتم تقديم طرق دمج جديدة باستمرار. في مجال معالجة صور الاستشعار عن بعد، أصبحت شبكات مولدة لمقاومة التضادات (GAN) بقوتها الكبيرة في الإنتاج وقدرتها على نمذجة توزيعات معقدة تقريباً تقنية هامة لتحسين جودة دمج الصور. يستعرض هذا البحث الطرق التقليدية لدمج الصور عن بعد وقيودها، ويحلل أيضاً التعلم العميق، وبشكل خاص GAN، ومزاياه في هذا المجال. من خلال شرح مفصل لعدة هياكل GAN ودوال الخسارة، يكشف عن الإمكانيات الهائلة التي لدى GAN في تحسين الدقة المكانية والطيفية لدمج الصور. بالإضافة إلى ذلك، يوضح بالتفصيل أيضاً أحدث طرق دمج الصور عن بعد القائمة على GAN في السنوات الأخيرة، ويناقش تطبيقها في إبراز الصور النوعية بألوان كاملة وفي مهام تحسين صور متعددة الطيف. يلخص هذا البحث تطور طرق دمج الصور عن بعد القائمة على GAN، ويحلل المشكلات الحالية في التكنولوجيا والتوجهات المستقبلية من ثلاثة جوانب.
关键词
remote sensing image;multi-source data fusion;deep learning;Generative Adversarial Network;pan-sharpening;multispectral image;hyperspectral image