无监督互学习时空融合网络

精度高11%

用互学习策略融合多源卫星影像，提升时空信息重建效果

Wu, Huajing · Zhang, Kefei · Li, Longjiang · Liu, Xuexi · Zhao, Dongsheng · Zhu, Dantong · 时爽爽 · 吴素芹 · Shi, Zhongchao

ISPRS Journal of Photogrammetry and Remote Sensing 2025

参数信息

精度提升幅度

6%–11% %

技术优势

无需成对样本

采用无监督互学习网络，不依赖成对的高、低分辨率影像进行训练，降低了数据获取难度。

精度提升显著

在三个数据集上与七种常用方法相比，定量指标提升6%–11%，时空信息恢复更准确。

同时保持细节和时序

通过互学习融合模式，同时利用粗影像的时序信息和精影像的空间信息，有效重建高时空分辨率影像。

应用场景

• 遥感图像处理：生成兼具高空间和高时间分辨率的影像，提升遥感监测的时效和细节。
• 智能规划：提供高质量时空连续影像，支撑精细化的动态规划。