一种基于生成对抗网络的 Sentinel-2 图像超分辨率方法
图像与视频处理
2020-11-24 v2 计算机视觉与模式识别
摘要
本文提出了一种基于生成对抗网络的超分辨率（SR）方法（称为 S2GAN），用于增强 Sentinel-2 光谱波段的空间分辨率。所提方法包括两个主要步骤。第一步旨在通过分别使用 2 和 6 的缩放因子，将空间分辨率为 20m 和 60m 的波段的空间分辨率提高。为此，我们引入了一个生成器网络，该网络利用具有残差连接的卷积层以及在输入和输出之间的长跳跃连接，在具有 10m 空间分辨率的波段的引导下对较低分辨率波段执行 SR。第二步旨在区分 SR 波段与其真实波段。这由所提出的判别器网络实现，该网络交替刻画两组波段的高层特征，并对提取的特征应用二分类。然后，我们将生成器和判别器网络的对抗学习表述为极小极大博弈。在该学习过程中，生成器旨在尽可能生成逼真的 SR 波段，以使判别器错误分类 SR 波段。在不同 Sentinel-2 图像上获得的实验结果表明，与基于常规和深度学习的 SR 方法相比，所提方法的有效性。
引用
@article{arxiv.1912.06013,
title = {An Approach to Super-Resolution of Sentinel-2 Images Based on Generative Adversarial Networks},
author = {Kexin Zhang and Gencer Sumbul and Begüm Demir},
journal= {arXiv preprint arXiv:1912.06013},
year = {2020}
}
备注
Accepted at IEEE Mediterranean and Middle-East Geoscience and Remote Sensing Symposium (M2GARSS) 2020