基于场景理解的双波段彩色融合图像质量评价

为了针对具体的视觉任务衡量可见光与红外彩色(夜视)融合图像的综合质量,提出了一种基于场景理解的双波段彩色融合图像综合质量客观评价模型.该模型包括融合图像特征提取器、邻域共生矩阵特征提取器和权重生成器三部分.首先,使用融合图像特征提取器从融合图像中提取像素强度信息;然后,建立邻域共生矩阵特征提取器,从邻域共生矩阵中提取像素空间关系信息;最后,建立权重生成器,使用神经网络模型从梯度图中提取结构信息,将位置信息与结构信息相结合生成权重.实验结果表明,该方法在提取丰富的图像特征基础上,考虑人眼视觉特性,提高了模型预测值与人眼主观感受的一致程度,实现了融合图像综合质量的客观评价.     

多尺度注意力聚合图卷积的高光谱分类

在遥感图像分类任务中,考虑到传统卷积滤波器受限于接受域,不能有效地捕获地物丰富的细节信息的缺陷,同时,为加强邻域内像元之间的多尺度时空交互,提出一种多尺度注意力聚合图卷积的高光谱图像分类方法.首先,为了增强遥感图像中地物的时空表征能力,构建不同尺度的拓扑图,以实现时空信息的建模.其次,利用图卷积神经网络加强相邻节点之间的交互性,提高时空信息的汇聚和传递,同时,利用自注意力引导层自适应地细化多尺度信息,以捕捉时空信息在通道之间的相关性和位置信息.此外,相邻节点特征差的范数为节点之间的边权重,而层之间信息的传递采用动态聚合方式.试验结果表明:所提出的分类框架在Indian Pines基线数据集上的总体分类精度(OA)、平均分类精度(AA)和卡帕系数(Kappa)分别为(99.80±0.15)%, (98.30±1.28)%和(99.77±0.17)% .