用于全色锐化卷积神经网络的一种带间与带内损失
图像与视频处理
2020-08-13 v1 计算机视觉与模式识别
摘要
全色锐化旨在融合卫星的全色与多光谱图像以生成兼具高空间与高光谱分辨率的图像。随着深度学习在计算机视觉领域的成功应用，许多学者提出了众多卷积神经网络（CNNs）来解决全色锐化任务。这些全色锐化网络聚焦于CNN的各种独特结构，且多数通过融合图像与模拟期望多光谱图像之间的L2损失进行训练。然而，L2损失旨在直接最小化各波段光谱信息的差异，在训练过程中未考虑波段间关系。在本快报中，我们提出一种新颖的带间与带内（IIB）损失以克服原始L2损失的缺陷。我们提出的IIB损失能有效保持波段间与波段内关系，并可直接应用于不同的全色锐化CNNs。
引用
@article{arxiv.2008.05133,
title = {An Inter- and Intra-Band Loss for Pansharpening Convolutional Neural Networks},
author = {Jiajun Cai and Bo Huang},
journal= {arXiv preprint arXiv:2008.05133},
year = {2020}
}
备注
4 pages, 2 figures