论文阅读——Deep Variational Network for Blind Pansharpening基于深度学习的方法在全色锐化中扮演着重要角色,全色锐化利用全色图像来增强多光谱图像的空间分辨率,同时保持其光谱特征。然而,大多数现有方法在训练过程中主要只考虑一种固定的退化情况。因此,当测试数据的退化情况未知(盲)且与训练数据不同时,这些方法的性能可能会显著下降,这在实际应用中很常见。为了解决这个问题,我们提出了一种用于盲全色锐化的深度变分网络,称为VBPN,它将退化估计和图像融合整合到一个完整的贝叶斯框架中。首先,通过将多光谱图像的噪声和模糊参数以及全色图像的噪声参数作为隐藏变量,我们使用神经网络对融合