O aprimoramento pancromático de imagens multiespectrais de baixa resolução espacial (LRMS) visa fundir imagens LRMS com baixa resolução espacial com imagens pancromáticas (PAN) de alta resolução espacial, gerando uma imagem multiespectral de alta resolução espacial (HRMS). Muitos métodos de aprimoramento pancromático existentes geralmente realizam uma amostragem direta das imagens LRMS, seguida por extração de características, fusão e reconstrução para obter a imagem HRMS. Essa estratégia de fusão pode causar borramento ou distorção espectral. Assim, este artigo propõe um método de aprimoramento pancromático baseado em uma estratégia de pré-fusão combinando Mamba e a rede neural convolucional (CNN). Primeiramente, utiliza-se a diferença gaussiana para extrair informações de alta frequência da imagem PAN para melhorar a textura da imagem LRMS; em seguida, CNN e Mamba extraem características locais e globais, respectivamente, e por meio de um ramo de fusão intermediária baseado em CNN, realizam completa interação e fusão das informações locais e globais dos dois modos, reconstruindo uma imagem HRMS de alta qualidade. Experimentos nos conjuntos de dados públicos QuickBird e IKONOS mostram que o método proposto supera, tanto em avaliação visual subjetiva quanto objetiva, métodos tradicionais como GS, PCA e métodos avançados de aprendizado profundo como PanFormer e Pan-Mamba. Os resultados indicam que, em comparação com a média desses métodos, o método proposto melhora a relação sinal-ruído de pico e o índice universal de qualidade de imagem em 10,91% e 5,62%, respectivamente; além disso, reduz o erro quadrático médio, o erro global relativo adimensional e o índice de distorção espectral em 30,52%, 18,56% e 60,41%, respectivamente. Além disso, experimentos de ablação confirmam a eficácia da estratégia de pré-fusão e do módulo Mamba. Em resumo, o método proposto fornece uma solução eficaz para melhorar o aprimoramento pancromático, tendo relevância prática para aplicações em imagens de sensoriamento remoto.

imagens de sensoriamento remoto; aprimoramento pancromático; pré-fusão; diferença gaussiana; Mamba; modelo de espaço de estado; rede neural convolucional; multiespectral; pancromático