Con el rápido desarrollo de la tecnología de teledetección, la fusión pancromática de imágenes de teledetección se ha aplicado ampliamente en los campos de exploración minera, planificación urbana y monitoreo de desastres geológicos. Sin embargo, los métodos actuales de fusión pancromática presentan problemas generales de alta complejidad computacional y extracción insuficiente de características locales e información global al fusionar imágenes pancromáticas y multiespectrales. Por ello, se construyó una red de fusión basada en la convolución con percepción global (GAConv) y Transformer (GCTNet). Esta red utiliza una arquitectura de doble rama y multiescala para extraer las características espaciales y espectrales de imágenes pancromáticas y multiespectrales, y combina los módulos GAConv y Transformer para capturar eficazmente los detalles locales y el contexto global, mejorando la calidad de las imágenes fusionadas. Los resultados experimentales muestran que en la tarea de fusión pancromática en varios conjuntos de datos de teledetección, GCTNet logra un rendimiento superior en comparación con los métodos avanzados actuales, mejorando significativamente la calidad de las imágenes fusionadas y reduciendo la complejidad computacional del modelo.

fusión de imágenes;procesamiento de imágenes de teledetección;pancromatismo;aprendizaje profundo;Transformer;convolución con percepción global;representación de características multiescala;extracción de características