基于深度学习方法（7种）的高光谱与多光谱图像融合（代码+3个数据集）

1. 配置环境

• Python 3 (Recommend to use Anaconda)
• NVIDIA GPU + CUDA

需要有pytorch-gpu环境

打开 anaconda prompt 创建虚拟环境

• conda create -n fusion python=3.8
• conda activate fusion

Simply use the “pip install” command to install the following packages(安装一些环境所需的包):

• pip install timm -i https://pypi.tuna.tsinghua.edu.cn/simple
• pip install thop -i https://pypi.tuna.tsinghua.edu.cn/simple
• pip install scikit-image -i https://pypi.tuna.tsinghua.edu.cn/simple
• pip install scipy -i https://pypi.tuna.tsinghua.edu.cn/simple
• pip install einops -i https://pypi.tuna.tsinghua.edu.cn/simple
• pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple
• pip install tensorboard -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 数据准备

• Download the CAVE dataset from here
• Download the PU dataset from here.
• Download the WDCM dataset from here.

数据集我已经下载下来并且处理好，放在Datasets文件夹里面了，不用自己下载，可直接用。

3.代码简介

其他不懂的可以把代码发给AI哦，让它给你解读。

4. 怎么运行

可以看这个：https://blog.csdn.net/weixin_45276304/article/details/151786833?spm=1001.2014.3001.5502

1.确保第一步的环境已经配置好

2.调整util.py中的一些具体设置，比如模型选择，batchSize等，然后直接运行main.py文件

3.在终端运行tensorboard --logdir==tf-logs进行可视化，可以看到训练过程，比如loss函数的下降（选做）

4. 相关文献

This repository is based on the excellent work of SSRNET and 3DT-Net.

文献只有英文。如果需要中文，这边建议使用腾讯元宝进行文献阅读。可以看这篇文章：https://zhuanlan.zhihu.com/p/721765033

相关文献：
DCT:https://doi.org/10.1016/j.inffus.2023.102148
MSDCNN:
https://doi.org/10.48550/arXiv.1712.09809

3DT-Net:https://doi.org/10.1016/j.inffus.2023.101907
PSRT:https://ieeexplore.ieee.org/document/10044141
SSFCNN:https://ieeexplore.ieee.org/document/8451142
SSRNET:https://ieeexplore.ieee.org/document/9186332
TFNet:https://doi.org/10.1016/j.inffus.2019.07.010

5.代码和数据集获取方式

https://mbd.pub/o/bread/YZWXmZhpZg==