CFGFE：用于图像锐化的粗细粒度特征增强网络

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：CFGFE: Coarse-Fine Grained Feature Enhancement Network for Pansharpening

　　

摘要：

Pansharpening技术旨在通过融合高分辨率全色（PAN）图像中的高频空间细节来提升多光谱（MS）图像的空间分辨率。然而，大多数现有方法依赖于单一粒度的特征表示，这限制了它们全面提取和融合光谱与空间信息的能力。我们提出了CFGFE（Coarse-Fine Grained Feature Enhancement Network），这是一种粗细粒度的特征增强网络，采用双分支架构来解决这些问题：一个粗粒度的全局建模分支和一个细粒度的频率融合分支。前者利用小波域注意力模块来捕捉长距离依赖关系并保持全局语义一致性；同时，后者将PAN和MS图像分解为低频和高频成分，并通过频率分解调制模块进行自适应融合，从而实现精确的光谱-空间集成。此外，我们还引入了差分特征耦合与增强模块，以共同精细化细粒度频率细节和全局语义特征，生成更加完整和准确的表示。在多个基准数据集上的广泛实验表明，CFGFE在视觉质量和定量指标方面均显著优于现有方法，证明了其在高质量pansharpening方面的有效性。代码可在以下链接获取：https://github.com/yotick/CFGFE_pansharpening。