リモートセンシング技術の急速な発展に伴い、リモートセンシング画像のパンシャープニングは鉱産探査、都市計画、地質災害監視などの分野で広く応用されています。しかし、既存のパンシャープニング手法は、パン画像とマルチスペクトル画像の融合において計算コストが高く、局所特徴およびグローバル情報の抽出が不十分であるという問題を抱えています。これに対処するため、グローバル認識畳み込み（GAConv）とTransformerに基づく融合ネットワーク（GCTNet）を構築しました。本ネットワークは、パン画像とマルチスペクトル画像の空間的およびスペクトル的特徴をそれぞれ抽出する二重分岐マルチスケールアーキテクチャを採用し、GAConvモジュールとTransformerモジュールを組み合わせて局所的な詳細とグローバルな文脈情報を効果的に捉え、融合画像の品質を向上させます。実験結果は、複数のリモートセンシングデータセットにおけるパンシャープニングタスクで、GCTNetが現行の先進的な手法と比較して優れた性能を示し、融合画像の品質を著しく向上させ、モデルの計算複雑度を低減したことを示しています。

画像融合;リモートセンシング画像処理;パンシャープニング;ディープラーニング;Transformer;グローバル認識畳み込み;マルチスケール特徴表現;特徴抽出