CGFformer: Un Nuovo Metodo AI per il Pansharpening di Immagini Satellitari
Un approccio innovativo chiamato CGFformer (Cluster-Guidance Frequency Transformer) è stato introdotto per il processo di pansharpening, che fonde immagini multispettrali a bassa risoluzione (LRMS) con immagini pancromatiche ad alta risoluzione (PAN) per creare immagini multispettrali ad alta risoluzione (HRMS). Le tecniche tradizionali di pansharpening basate sulla frequenza si affidano a filtri statici che faticano a gestire distribuzioni di frequenza complesse, e gli attuali metodi di denoising spesso non riescono a gestire diversi tipi di rumore. CGFformer supera queste sfide attraverso un modulo di separazione adattivo che utilizza il clustering K-means per combinare dati locali e non locali, consentendo una migliore separazione degli elementi ad alta e bassa frequenza. Questo metodo enfatizza la variabilità della distribuzione di frequenza e l'interazione tra componenti di frequenza e spaziali. I risultati sono stati condivisi su arXiv con l'identificatore 2605.01490.
Fatti principali
- 1. CGFformer sta per Cluster-Guidance Frequency Transformer
- 2. È progettato per il pansharpening, fondendo immagini LRMS e PAN in immagini HRMS
- 3. I metodi attuali utilizzano filtri di frequenza fissi che non possono adattarsi a distribuzioni complesse
- 4. Le strategie di denoising esistenti sfruttano insufficientemente le componenti di frequenza
- 5. CGFformer utilizza un modulo di separazione adattivo con clustering K-means
- 6. Integra caratteristiche locali e informazioni non locali
- 7. Il metodo consente una separazione più precisa delle componenti ad alta e bassa frequenza
- 8. La ricerca è stata pubblicata su arXiv con l'identificatore 2605.01490
Entità
Istituzioni
- arXiv