人妻

团队博士研究生任凯、孙伟伟教授等在《Information Fusion》期刊上发表了题为“用于生成高分辨率高光谱时间序列数据集的深度先验无监督时空光谱融合网”的文章，本文提出了一种基于深度学习的多重判别器生成对抗网络（TDGAN）方法，以解决遥感图像的时空光谱融合难题。该方法旨在整合多光谱数据的时间和空间分辨率以及高光谱数据的光谱分辨率，生成高时空分辨率的高质量高光谱影像。不同于常见的空-谱或时-空融合，TDGAN通过结合深度频谱变换先验实现无监督学习，并首次应用Swin Transformer于光谱超分辨率，同时设计了三个判别器来确保不同时间获取数据的物候一致性和同时获取数据的空谱一致性，从而提高预测精度。实验结果显示，TDGAN在多个模拟和真实数据集中均表现出优于现有方法的性能，为空间、时间和光谱信息的有效融合提供了新途径。