يهدف التقسيم البانشراپينغ (Pansharpening) إلى دمج صورة متعددة الطيف (Multispectral - MS) مع صورة بانكرومية مصاحبة (Panchromatic - PAN)، مما ينتج صورة مركبة تتميز بدقة الطيف للصورة الأولى ودقة المكان للصورة الثانية. يمكن تصنيف الطرق التقليدية للبانشراپينغ ضمن سياق موحد لحقن التفاصيل، والذي يعتبر التفاصيل المتعددة الأطياف المحقونة هي نتاج دمج التفاصيل البانكرومية ومكاسب الحقن حسب الحزام الطيفي. في هذا العمل، قمنا بتصميم إطار عمل شبكة عصبية اصطناعية قائمة على حقن التفاصيل (Detail Injection based Convolutional Neural Network - DiCNN) للبانشراپينغ، حيث يتم صياغة التفاصيل المتعددة الأطياف بشكل مباشر وبطريقة شاملة من البداية إلى النهاية. تقوم الشبكة العصبية الأولى القائمة على حقن التفاصيل (DiCNN1) باستخراج التفاصيل المتعددة الأطياف من خلال الصورة البانكرومية والصورة المتعددة الأطياف، بينما تستفيد الشبكة الثانية (DiCNN2) فقط من الصورة البانكرومية. الفائدة الرئيسية للمقترحات DiCNN هي أنها توفر تفسيرات فيزيائية واضحة ويمكن أن تحقق تقاربًا سريعًا مع ضمان جودة عالية في البانشراپينغ. بالإضافة إلى ذلك، تم تحليل فعالية الأساليب المقترحة أيضًا من وجهة نظر نظرية نسبيًا. تم تقييم طرقنا عبر تجارب أجريت على مجموعات بيانات صور حقيقية متعددة الأطياف، حيث حققت أداءً ممتازًا عند مقارنتها بالأساليب الرائدة الأخرى.