Cet article propose RAPNet, une nouvelle architecture basée sur CNN, pour résoudre le problème de pansharpening consistant à combiner des images panchromatiques (PAN) haute résolution avec des images multispectrales (MS) basse résolution afin de produire une image fusionnée haute résolution. RAPNet effectue des convolutions adaptatives au contenu, en utilisant des convolutions de pansharpening adaptatives au champ récepteur (RAPConv), qui ajustent la taille du champ récepteur en fonction de la position spatiale. De plus, il utilise un module de fusion dynamique de caractéristiques de pansharpening (PAN-DFF) qui intègre un mécanisme d'attention pour optimiser le compromis entre l'amélioration des détails spatiaux et la fidélité spectrale. Les résultats expérimentaux obtenus à partir d'ensembles de données publics démontrent que RAPNet surpasse les méthodes existantes dans les évaluations quantitatives et qualitatives, et l'efficacité des composants adaptatifs proposés est validée par des études d'ablation.
