SAR 彩色化的基准协议：从回归到深度学习方法
计算机视觉与模式识别
2023-10-16 v1 图像与视频处理
摘要
合成孔径雷达（SAR）图像在遥感中被广泛使用。由于其固有的散斑噪声和灰度特性，解释 SAR 图像可能具有挑战性。为解决此问题，SAR 彩色化已成为一个研究方向，旨在对灰度 SAR 图像进行彩色化，同时保留原始空间信息和辐射信息。然而，该研究领域仍处于早期阶段，且存在诸多局限。本文中，我们提出了一条基于监督学习的 SAR 彩色化完整研究路线。我们的方法包括用于生成合成彩色 SAR 图像的协议、若干基线，以及一种基于条件生成对抗网络（cGAN）的 SAR 彩色化有效方法。我们还针对该问题提出了数值评估指标。据我们所知，这是首次提出包含协议、基准和完整性能评估的 SAR 彩色化研究路线。我们广泛的测试证明了所提出的基于 cGAN 的网络在 SAR 彩色化上的有效性。代码将公开可用。
引用
@article{arxiv.2310.08705,
title = {A Benchmarking Protocol for SAR Colorization: From Regression to Deep Learning Approaches},
author = {Kangqing Shen and Gemine Vivone and Xiaoyuan Yang and Simone Lolli and Michael Schmitt},
journal= {arXiv preprint arXiv:2310.08705},
year = {2023}
}
备注
16 pages, 16 figures, 6 tables