《表3 对比方法与本文方法的评价》
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。
图表编号 | XD0066619400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.25 |
作者 | 杨斌、王翔 |
绘制单位 | 南华大学电气工程学院、南华大学超快微纳技术与激光先进制造湖南省重点实验室、南华大学电气工程学院、南华大学超快微纳技术与激光先进制造湖南省重点实验室 |
更多格式 | 高清、无水印(增值服务) |