近期，bob手机在线登陆信息与电子学院石岩博士、硕士生谭艾雍、博士后刘娜、李伟教授、陶然教授及法国格勒诺布尔-阿尔卑斯大学Jocelyn Chanussot教授共同合作，提出了一种基于混合尺度增益系数估计的多光谱全色锐化方法，研究结果以《A Pansharpening Method based on Hybrid-Scale Estimation of Injection Gains》为题，发表于顶级期刊电气和电子工程师协会地学与遥感汇刊IEEE Transactions on Geoscience and Remote Sensing (IEEE TGRS，影响因子IF: 8.125)。

图 1 多光谱全色锐化示意图

全色锐化（pansharpening）是多源遥感图像融合中的一项关键技术。光学遥感卫星通常在空间分辨率和光谱分辨率上存在制约关系。具体来讲，全色传感器具有高空间分辨率的特点，但由于波段唯一，缺乏光谱分辨能力；而多光谱传感器通常具有四至八个波段，涵盖了可见光至近红外范围，但每个波段的空间分辨率相对较低。因此，将全色图像与多光谱图像进行融合，能够有效提升多光谱图像的空间分辨率，从而获得高质量的遥感影像，如图1所示。

基于加性注入模型的融合方法是全色锐化领域的一类代表性方法，其中增益系数的估计是融合关键。目前，绝大多数算法采用回归方法进行估计，故需要参考图像（即高空间分辨率的多光谱图像）。然而，实际中并没有高空间分辨率的多光谱图像。一种可行方案是在“退化”尺度下进行估计，即将原始多光谱图像视为参考图像，而所有参与融合的图像须进行空间退化之后再进行增益系数的估计。显然，退化不可避免地带来信息的损失，同时增加了计算成本，成为限制实际应用的主要因素之一。

针对上述问题，研究团队提出了一种基于混合尺度（hybrid-scale，HS）的增益系数无参估计方法，该方法利用全尺寸下的全色图像和多光谱图像信息进行估计，从而避免退化带来的信息损失。在此基础上，提出了基于加权最小二乘（WLS）的改进模型，有效提高了估计精度。所提方法在GeoEye-1、WorldView-2/3/4等公开遥感影像数据集上进行了验证。实验结果表明，该方法在提高空间分辨率的同时，较好地保留了原始多光谱图像的光谱信息，性能指标达到了目前学术界主流水平（见图2，3）。同时，所提方法具有计算复杂度低的特点，未来可快速部署于实际应用场景。

图2融合视觉结果比较（最后三幅图为所提三种HS模型的结果）

图3 融合数值结果比较（最后三行为所提三种HS模型的结果）

论文链接：https://ieeexplore.ieee.org/document/10032596

代码链接：https://github.com/Yan-BITBJ/Pansharp-HS