《表3 对比方法与本文方法的评价》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度残差去噪网络的遥感融合图像质量提升》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表3为对不同算法融合图像的客观评价，所有评价结果为遥感图像4个通道评价结果的均值。可以看到对于所有实验图像，最优结果大部分都来自本文方法。整体来说，CS的Q4指标优于DRPNN，这说明CS的结果与参考图像更为接近，一致性更好；ERGAS与CC评价指标结果相差不大，说明CS的结果与DRPNN的结果都与参考图像有较大的相关性。SAM评价指标结果说明DRPNN结果与CS结果相比，光谱相似性更高，光谱保持度更好。图8和图9评价结果中PNN结果的Q4与CC略微优于本文方法，但ERGAS与SAM劣于本文方法，这表明通过对SVT融合结果进行提升，图像的光谱质量保持较好。综合主观和客观评价，基于SVT的遥感融合质量提升算法能有效提高图像空间分辨率、光谱质量和细节保持度，通过深度残差去噪网络生成的残差图像能有效地修复SVT融合方法的缺陷，丰富融合图像的信息，提高融合图像的空间分辨率和光谱质量。