TY -的A2 -香港,sang hoon AU - Wang (AU -王,孝义PY - 2020 DA - 2020/06/29 TI -时空融合基于深度学习的遥感图像SP - 8873079六世- 2020 AB -高时空分辨率遥感数据发挥重要作用在监测地球表面的快速变化。然而,有一个不可调和的矛盾的空间和时间分辨率的遥感影像获得相同的传感器。遥感数据的时空融合技术是一种有效的方法来解决这个矛盾。在这篇文章中,我们将研究时空融合方法基于卷积神经网络,可以把陆地卫星数据与高空间但低时间分辨率和空间较低但高时间分辨率的MODIS数据,并生成时间序列数据具有高空间分辨率。为了提高时空融合的准确性,提出了残余卷积神经网络。MODIS图像作为输入来预测剩余图像MODIS和陆地卫星之间,和预测剩余之和形象和MODIS数据作为预测Landsat-like形象。本文剩余网络不仅提高超限分辨网络的深度,也避免了梯度消失的问题由于网络结构。实验结果表明,我们的方法的预测精度大于几种主流方法。SN - 1687 - 725 - 2020/8873079 / 10.1155 x你——https://doi.org/10.1155/2020/8873079——摩根富林明——《传感器PB - Hindawi KW - ER