近期，中國科學院合肥物質院智能所謝成軍與張潔團隊首次將因果推斷方法應用于遙感圖像全色銳化領域，相關研究成果以Pan-Sharpening via Causal-Aware Feature Distribution Calibration為題發表在地球科學和遙感領域的中國科學院一區Top期刊IEEE Transactions on Geoscience and Remote Sensing?(IEEE TGRS)上。

遙感圖像全色銳化是多光譜遙感圖像融合方向的核心技術，它通過融合低分辨率的多光譜圖像與高分辨率的全色圖像，生成視覺效果清晰，細節與紋理豐富的高分辨率多光譜遙感圖像。但多光譜遙感圖像中存在高低頻信息的長尾分布與高斯分布共存的雙分布現象。這種現象導致了現有的全色銳化網絡在優化時往往會對低頻信息過度擬合,并且由于長尾效應的影響無法對處于尾部的高頻信息進行有效的恢復。

為解決上述問題，研究團隊引入了因果推斷方法。因果推斷是一種用于分析事物之間因果關系，并對因果效應進行量化分析的方法。研究團隊發現，多光譜遙感圖像中因雙分布現象引發的偏差會通過動量效應在模型優化過程中持續累積，影響特征學習的準確性。為此，團隊基于因果推斷理論，對遙感圖像融合過程進行因果分析與建模，通過量化并校準特征空間中由動量因素導致的分布偏差，進而構建了一種融合因果推斷與特征校準機制的全色銳化方法。該方法在訓練階段引入了具備全局感受野的Recurrent Weighted Key-Value（RWKV）架構，用于有效提取累積特征偏差；在測試階段，通過因果干預以及反事實推理技術，對于統計特征中的有偏因果效應進行了校準。同時，研究團隊在WorldView-II、GaoFen2和WorldView-III等多個公開數據集上進行了廣泛的實驗，表明了所提方法在峰值信噪比（PSNR）上展現了優越性能。

碩士生李薛恒為論文第一作者，謝成軍研究員、張潔副研究員為論文通訊作者。該項工作得到了國家自然科學基金、安徽省自然科學基金項目的支持。

論文鏈接：https://ieeexplore.ieee.org/abstract/document/11023855

圖 1 基于因果推斷的遙感圖像全色銳化網絡

圖 2 多光譜遙感影像的雙分布現象

表1 模型在不同數據集下的實驗結果

圖 3 不同全色銳化模型在WorldView-II數據集上的實驗結果比較