用于卫星图像修复的卷积神经过程
计算机视觉与模式识别
2022-05-26 v1 机器学习
摘要
卫星图像的广泛可得使研究人员能够建模疾病动态等复杂系统。然而，许多卫星图像因测量缺陷存在缺失值，若不填补数据则无法使用。例如，LANDSAT 7卫星的扫描线校正器于2003年故障，导致其约20%的数据丢失。修复是指基于已知像素预测缺失内容，是图像处理中的经典问题，传统上基于偏微分方程（PDE）或插值方法，但近期深度学习方法已展现出潜力。然而，许多此类方法未显式考虑卫星图像固有的时空结构。本文工作中，我们将卫星图像修复视为一个自然的元学习问题，并提出使用卷积神经过程（ConvNP），将每幅卫星图像作为自身任务或二维回归问题。我们表明，在LANDSAT 7卫星图像的扫描线修复问题上，ConvNP在多种分布内与分布外图像评估中，优于经典方法与最先进的深度学习修复模型。
引用
@article{arxiv.2205.12407,
title = {Convolutional Neural Processes for Inpainting Satellite Images},
author = {Alexander Pondaven and Märt Bakler and Donghu Guo and Hamzah Hashim and Martin Ignatov and Harrison Zhu},
journal= {arXiv preprint arXiv:2205.12407},
year = {2022}
}