Com o rápido desenvolvimento da tecnologia de sensoriamento remoto, o aprimoramento pancromático de imagens de sensoriamento remoto tem sido amplamente aplicado em áreas como exploração mineral, planejamento urbano e monitoramento de desastres geológicos. No entanto, os métodos atuais de aprimoramento pancromático apresentam geralmente alta complexidade computacional e extração insuficiente de características locais e informações globais ao fundir imagens pancromáticas e multiespectrais. Para isso, foi construída uma rede de fusão baseada em convolução com percepção global (GAConv) e Transformer (GCTNet). Essa rede adota uma arquitetura de múltiples escalas e duplo ramo para extrair separadamente as características espaciais e espectrais das imagens pancromáticas e multiespectrais, combinando os módulos GAConv e Transformer para capturar eficazmente detalhes locais e informações contextuais globais, aumentando assim a qualidade das imagens fundidas. Resultados experimentais mostram que, em tarefas de aprimoramento pancromático em diversos conjuntos de dados de sensoriamento remoto, o GCTNet alcança desempenho superior comparado aos métodos avançados atuais, melhorando significativamente a qualidade das imagens fundidas e reduzindo a complexidade computacional do modelo.

fusão de imagens;processamento de imagens de sensoriamento remoto;aprimoramento pancromático;aprendizado profundo;Transformer;convolução com percepção global;representação multiescalar de características;extração de características