近期，北京理工大学信息与电子学院石岩博士、硕士生谭艾雍、博士后刘娜、李伟素质、怡然素质及法国格勒诺布尔-阿尔卑斯大学Jocelyn Chanussot素质共同协作，提倡了一种基于搀杂顺序增益统共估量的多光谱全色锐化弱点，商讨效用以《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 多光谱全色锐化暗示图
全色锐化（pansharpening）是多源遥感图像会通中的一项弱点时刻。光学遥感卫星时常在空间分离率和光谱分离率上存在制约关联。具体来讲，全色传感用具有高空间分离率的特质，但由于波段唯独，缺少光谱分离能力；而多光谱传感器时常具有四至八个波段，涵盖了可见光至近红外领域，但每个波段的空间分离率相对较低。因此，将全色图像与多光谱图像进行会通，大略灵验进步多光谱图像的空间分离率，从而得到高质地的遥感影像，如图1所示。
基于加性注入模子的会通弱点是全色锐化限制的一类代表性弱点，其中增益统共的估量是会通弱点。现在，绝大多量算法袭取总结弱点进行估量，故需要参考图像（即高空间分离率的多光谱图像）。但是，实质中并莫得高空间分离率的多光谱图像。一种可行决议是在“退化”顺序下进行估量，行将原始多光谱图像视为参考图像，而整个参与会通的图像须进行空间退化之后再进行增益统共的估量。昭彰，退化弗成幸免地带来信息的吃亏，同期增多了策划本钱，成为递次实质应用的主要要素之一。
针对上述问题，商讨团队提倡了一种基于搀杂顺序（hybrid-scale，HS）的增益统共无参估量弱点，该弱点诳骗全尺寸下的全色图像和多光谱图像信息进行估量，从而幸免退化带来的信息吃亏。在此基础上，提倡了基于加权最小二乘（WLS）的篡改模子，灵验提高了估量精度。所提弱点在GeoEye-1、WorldView-2/3/4等公开遥感影像数据集上进行了考证。实际效用标明，该弱点在提高空间分离率的同期，较好地保留了原始多光谱图像的光谱信息，性能倡导达到了现在学术界主活水平（见图2，3）。同期，所提弱点具有策划复杂度低的特质，将来可快速部署于实质应用场景。
图2会通视觉效用比拟（终末三幅图为所提三种HS模子的效用）
图3 会通数值效用比拟（终末三手脚所提三种HS模子的效用）
论文长入：https://ieeexplore.ieee.org/document/10032596
代码长入：https://github.com/Yan-BITBJ/Pansharp-HS