近期，中国科学院合肥物质院智能所谢成军与张洁团队首次将因果推断方法应用于遥感图像全色锐化领域，相关研究成果以Pan-Sharpening via Causal-Aware Feature Distribution Calibration为题发表在地球科学和遥感领域的中国科学院一区Top期刊IEEE Transactions on Geoscience and Remote Sensing (IEEE TGRS)上。
遥感图像全色锐化是多光谱遥感图像融合方向的核心技术，它通过融合低分辨率的多光谱图像与高分辨率的全色图像，生成视觉效果清晰，细节与纹理丰富的高分辨率多光谱遥感图像。但多光谱遥感图像中存在高低频信息的长尾分布与高斯分布共存的双分布现象。这种现象导致了现有的全色锐化网络在优化时往往会对低频信息过度拟合,并且由于长尾效应的影响无法对处于尾部的高频信息进行有效的恢复。
为解决上述问题，研究团队引入了因果推断方法。因果推断是一种用于分析事物之间因果关系，并对因果效应进行量化分析的方法。研究团队发现，多光谱遥感图像中因双分布现象引发的偏差会通过动量效应在模型优化过程中持续累积，影响特征学习的准确性。为此，团队基于因果推断理论，对遥感图像融合过程进行因果分析与建模，通过量化并校准特征空间中由动量因素导致的分布偏差，进而构建了一种融合因果推断与特征校准机制的全色锐化方法。该方法在训练阶段引入了具备全局感受野的Recurrent Weighted Key-Value（RWKV）架构，用于有效提取累积特征偏差；在测试阶段，通过因果干预以及反事实推理技术，对于统计特征中的有偏因果效应进行了校准。同时，研究团队在WorldView-II、GaoFen2和WorldView-III等多个公开数据集上进行了广泛的实验，表明了所提方法在峰值信噪比（PSNR）上展现了优越性能。
硕士生李薛恒为论文第一作者，谢成军研究员、张洁副研究员为论文通讯作者。该项工作得到了国家自然科学基金、安徽省自然科学基金项目的支持。
论文链接：https://ieeexplore.ieee.org/abstract/document/11023855
图 1 基于因果推断的遥感图像全色锐化网络
图 2 多光谱遥感影像的双分布现象
表1 模型在不同数据集下的实验结果
图 3 不同全色锐化模型在WorldView-II数据集上的实验结果比较
