用于SAR图像翻译的辩证GAN：从Sentinel-1到TerraSAR-X
图像与视频处理
2018-07-23 v1 计算机视觉与模式识别
机器学习
摘要
与光学图像相反，合成孔径雷达（SAR）图像处于人类视觉系统不习惯的电磁频谱中。因此，随着SAR应用的增多，对增强的高质量SAR图像的需求已显著增加。然而，由于当前SAR设备及其图像处理资源的限制，高质量SAR图像需要高昂成本。为提升SAR图像质量并降低其生成成本，我们提出一种辩证生成对抗网络（Dialectical GAN）来生成高质量SAR图像。该方法基于对分层SAR信息的分析以及GAN框架的“辩证”结构。作为示例，将展示一个典型例子：将具有大地覆盖面积的低分辨率SAR图像（如Sentinel-1图像）翻译为高分辨率SAR图像（如TerraSAR-X图像）。我们比较了三种传统算法，并基于网络框架提出一种新算法，在辩证法则下结合条件WGAN-GP（Wasserstein生成对抗网络-梯度惩罚）损失函数与空间Gram矩阵。实验结果表明，将我们所提方法的结果与所选传统方法比较时，SAR图像翻译效果非常好。
引用
@article{arxiv.1807.07778,
title = {Dialectical GAN for SAR Image Translation: From Sentinel-1 to TerraSAR-X},
author = {Dongyang Ao and Corneliu Octavian Dumitru and Gottfried Schwarz and Mihai Datcu},
journal= {arXiv preprint arXiv:1807.07778},
year = {2018}
}
备注
22 pages, 15 figures