원격 탐사 기술의 급속한 발전과 함께 원격 탐사 영상의 팬스테레오 샤프닝 기술이 광산 탐사, 도시 계획, 지질 재해 감시 등 다양한 분야에서 널리 활용되고 있습니다. 하지만 기존의 팬스테레오 샤프닝 방법들은 고계산 복잡도, 국부 특징 및 전역 정보 추출의 불충분 문제를 안고 있습니다. 이를 해결하기 위해 전역 인식 컨볼루션(GAConv)과 Transformer 기반의 융합 네트워크(GCTNet)를 구축하였습니다. 이 네트워크는 이중 분기 다중 스케일 구조를 채택하여 팬스테레오 영상과 다중분광 영상의 공간 및 분광 특징을 각각 추출하며, GAConv 모듈과 Transformer 모듈을 결합하여 국부 세부 정보와 전역 문맥 정보를 효과적으로 캡처하여 융합 영상의 품질을 향상시킵니다. 실험 결과, 여러 원격 탐사 데이터 세트의 팬스테레오 샤프닝 과제에서 GCTNet은 최신 고급 방법에 비해 우수한 성능을 보이며, 융합 영상의 품질을 크게 향상시키고 모델 계산 복잡도를 감소시켰습니다.

영상 융합;원격 탐사 영상 처리;팬스테레오 샤프닝;딥러닝;Transformer;전역 인식 컨볼루션;다중 스케일 특징 표현;특징 추출