{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,5,24]]，“日期-时间”：“2024-05-24T17:32:45Z”，“时间戳”：1716571965233}，“引用-计数”：46，“发布者”：“MDPI AG”，“问题”：“22”，“许可证”：[{“开始”：{-date-parts 9-11-07T00:00:00Z“，“时间戳”：15730848000000}，“content-version”：“unspecified”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“资助者”：[{“DOI”：“10.13039\/501100011002”，“名称”：“国家自然科学基金”，“DOI-asserted-by”：“publisher”，“award”：[“61871460”，“61761042”]}，{“DOI”：”10.13039\/501100012476“，”name“：“中央高校基本科研业务费”，“doi-asserted-by”：“publisher”，“award”：[“3102019ghxm016”]}]，“content-domain”：{“domain”:[]，“crossmark-restriction”：false}，“short-container-title”：[”遥感“]，“abstract”：“近年来，卷积神经网络在多光谱和全色图像融合领域显示出良好的性能。然而，小规模数据和梯度消失问题阻碍了现有基于CNN的融合方法利用可能具有更好表示能力的深层网络来表征输入（源）和目标（融合）图像之间的复杂非线性映射关系。本文介绍了一种具有稠密块和剩余学习的深度网络来解决这些问题。所提出的网络利用了密集块中的密集连接，该密集块具有任意两个卷积层的连接，以促进训练期间的梯度流和隐式深度监督。此外，重用特征地图可以减少参数的数量，这有助于减少小规模数据导致的过度拟合。为了降低模型生成高空间分辨率MS图像的难度，研究了残差学习。通过在三个数据集上的实验对所提出的网络进行了评估，与其他最先进的方法相比，高汾2号的光谱角度映射器（SAM）减少了10%以上，达到了竞争性或优越性<\/jats:p>“，”DOI“：”10.3390\/rs11222608“，”type“：”journal-article“，”created“：{”date-parts“：[[2019,11,7]]，”date-time“：”2019-11-07T16:17:25Z“，”timestamp“：1573143445000}，”page“：10.3390“，“卷”：“11”，“作者”：[{“给定”：“董”，“家庭”：“王”，“序列”：“第一”，“从属关系”：[]}，{“给出”：“应”，“家族”：“李”，“顺序”：“附加”，“隶属关系”：[]}、{“已知”：“黎”，“家人”：“马”，“次序”：“额外”，“附属关系”：【】}，}“给定的”：“宗文”，“家”：“白”，“序号”：“其他”，“从属关系”：[]}，{“给定”：“乔纳森”，“家庭”：“Chan”，“sequence”：“additional”，“affiliation”：[]}]，“member”：“1968”，“published online”：｛“date parts”：[[2019,11,7]]｝，“reference”：[｛“key”：“ref1”，“doi asserted by”：“publisher”，“doi”：“10.3390\/rs1182164”｝，｛“key”：“ref2”，“doi asserted by”：“publisher”，“doi”：“10.3390\/rs10081308”｝，｛“key”：“ref3”，“doi asserted by”：“”publisher“，”doi“：”10.3390\/rs10060884“｝，｛”key“：”ref4“，”doi-asserted-by“：”publisher“，”doi“：”10.1016\/j.rse.2002.08.002“}，{“key”：“ref5”，“doi-assert-by”：“publisher”，“doi”：“10.1111\/j.1477-9730.2006.00353.x”}，}“key”：“ref6”，“doi-assertd-by”：“publisher”，“DI:”10.3390\/rs11020159 ted-by“：”publisher“，”doi“：”10.1186\/1687-6180-2011-79“}，{”key“：”ref8“，”doi-asserted-by“：”publisher“，”doi“：”10.1109\/TGRS.2007.901007“}，{“key”：“ref9”，“doi-assert-by”：“publisher”，“doi”：“10.3390\/rs9050443”}，“key“：”ref10“，”doi-assered-by“：”publisher“，”doi“：10.1109\/LGRS.2007.909934“}，{“key”：“ref12”，“doi-asserted-by”：“publisher”，“doi”：“10.1016/S0924-2716（03）00013-3“｝，｛“key”：“ref13”，“doi断言者”：“publisher”，“doi”：“10.1109\/LGRS.2019.2926681”｝，｛“key”：“ref14”，“doi断言者”：“publisher”，“doi”：“10.3390\/rs9100976”｝，｛“key”：“ref15”，“doi断言者”：“publisher”，“doi”：“10.3390\/rs111060633”｝，｛“key”：“ref16”，“doi断言者“：”publisher“，”doi“：”10.3390\/rs8100870“｝，｛”key“：”ref17“，”doi-asserted-by“：”publisher“，”doi“：”10.3390\/rs8070594“}，{“key”：“ref18”，“doi-assert-by”：“publisher”，“doi”：“10.1016\/j.neucom.2018.01.022”}，“key“：”ref19“，”doi-assered-by“：”publisher“，”doi“：doi“：”10.1109\/JSTARS.2018.2794888“}，{“key”：“ref21”，“doi-asserted-by”：“publisher，“DOI”：“10.1016\/j.inffus.2019.07.010”}，{“key”：“ref22”}serted-by“：”publisher“，”DOI“：”10.14358\/PERS.73.9.107“}，{“key”：“ref28”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/JPROC.2010.2040551”}，}“key:”ref29“，”doi-assert-by“：”publisher“，”doi“：”10.1162\/089976603762552951，{“key”：“ref31”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/LGRS.2011.2177063“}，{“key”：“ref32”，“doi-asserted-by”：“crossref”，“first page”：”2827“，“doi”：“10.1109\/TGRS.2012.2213604”，“article-title”：“稀疏图像融合算法及其在全景锐化中的应用”，“volume”：《51》，“author”：“Xiao”，“year”：“2013”，“journal-title“：”IEEE Trans.Geosci.Remote Sens.“}”，{”key“：”ref33“，”doi-asserted-by“：”publisher“，”DOI“：”10.1109\/JSTARS.2017.2697445“}，{“key”：“ref34”，“DOI-asserted-by”：“publisher”，“DOI”：“10.1109\/TGRS.2018.2817393”}，“{”key“：”ref35“，”DOI-assert-by“：”publisher，“文章标题”：“批量规范化：通过减少内部协变量偏移来加快深度网络培训”，“作者”：“Ioffe”，“年份”：“2015年”，“期刊标题”：“arXiv”}，{“关键”：“ref39”}、{“重点”：“ref40”，“首页”：“691”，“文章标题”：”不同空间分辨率卫星图像的融合：评估结果图像的质量“，“卷”：“63”，“作家”：“Wald，“年份”：“1997年”，“新闻标题”：“摄影。Eng.Remote Sens.“}，{”key“：”ref41“，”doi-asserted-by“：”publisher“，”doi“：”10.1016\/j.rse.2004.07.013“}“ref44”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/97.995823”}，{“key”：“ref45”}，{“key”：“ref46”，“doi-asserted-by”：“publisher”，“doi”：“10.1109\/LGRS.2009.2022650”}]，“container-title”：[“遥感”]，“原始标题”：[]，“语言”：“en”，“链接”：[{“URL”：“https:\/\/www.mdpi.com\/2072-4292\/11\/22\/2608\/pdf”，”内容类型“未指定”，“内容版本”：“vor”，“intended-application”“：”相似性检查“}]，”存放“用法：{“date-parts”：[[2019,11,18]]，“date-time”：“2019-11-18T16:18:58Z”，“timestamp”：1574093938000}，“score”：1，“resource”：{主“URL”：“https:\\/www.mdpi.com\/2072-4292\/11\/22\/2608”}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期-parts“：[2019,11,7]]}，‘references-count”：46，“新闻发布”：{“发布”：“22”，“在线发布”：}“日期部分”：[[2019,11]]}}，“alternative-id”：[“rs11222608”]，“URL”：“http://\/dx.doi.org\/10.3390\/rs11222208”，“relationship”：{}，“ISSN”：[”2072-4292“]，“ISSN-type”：[{“value”：“2072-4922”，“type”:“electronic”}]，“subject”：【】，“published”：{“date-parts”：【2019，11，7】】}}}}