С быстрым развитием технологий дистанционного зондирования, паншарпенинг дистанционных изображений широко применяется в таких областях, как разведка полезных ископаемых, городское планирование и мониторинг геологических опасностей. Однако существующие методы паншарпенинга имеют общие проблемы высокой вычислительной сложности и недостаточного извлечения локальных признаков и глобальной информации при объединении панхроматических и мультиспектральных изображений. В связи с этим была разработана объединяющая сеть на основе глобально осведомленной свёртки (GAConv) и Transformer (GCTNet). Эта сеть использует двухветвевую многоуровневую архитектуру для поочередного извлечения пространственных и спектральных признаков панхроматических и мультиспектральных изображений, а также комбинирует модули GAConv и Transformer для эффективного захвата локальных деталей и глобального контекста, что приводит к улучшению качества объединённых изображений. Экспериментальные результаты показывают, что GCTNet достигает лучших показателей по сравнению с современными передовыми методами в задачах паншарпенинга на нескольких наборах данных дистанционного зондирования, значительно улучшая качество объединённых изображений и снижая вычислительную сложность модели.

слияние изображений;обработка дистанционного зондирования;паншарпенинг;глубокое обучение;Transformer;глобально осведомленная свёртка;многоуровневое представление признаков;извлечение признаков