基于深度卷积神经网络（FusionCNN）的遥感图像融合算法实现-FusionCNN

项目描述 基于深度卷积神经网络（FusionCNN）的遥感图像融合算法实现
基于深度卷积神经网络（FusionCNN）的遥感图像融合算法实现，将低分辨率多光谱图像与高分辨率全色图像融合，生成兼具光谱信息与空间细节的高分辨率彩色图像。

项目功能
Web 服务（Flask）：上传 PAN 全色图 + MS 多光谱图，一键融合并返回结果图、RMSE、耗时
模型推理：加载预训练权重（saves/fusion_model/model.ckpt），执行前向融合
训练/评估：train.py 训练模型，evaluate.py 评估精度，fusion.py 命令行融合

运行环境
Python 3.13 + TensorFlow 2.21（用 compat.v1 兼容 TF1 代码）
Flask 3.1、OpenCV 4.10、NumPy、Matplotlib
Windows / 任意支持 TF 的平台

项目技术
后端：Flask Web 服务，REST 接口接收图像上传
模型：双路卷积分支（MS 分支 + Pan 分支）+ 级联融合块，输出 3 通道融合图
兼容改造：scipy.misc→cv2.resize、TF1→TF2 compat 层
前端：原生 HTML/CSS/JS，支持拖拽上传与结果对比展示

以上系统源码经过技术整理与调试，确保能正常运行