FGF-GAN：一种基于快速引导滤波的轻量级生成对抗网络用于全色锐化
计算机视觉与模式识别
2021-12-01 v2 图像与视频处理
摘要
全色锐化是一种广泛使用的遥感图像增强技术。其原理是融合输入的高分辨率单通道全色（PAN）图像与低分辨率多光谱图像，获得高分辨率多光谱（HRMS）图像。现有的深度学习全色锐化方法存在两点不足。首先，两幅输入图像的特征需沿通道维度拼接以重建 HRMS 图像，这使得 PAN 图像的重要性不突出，并导致较高的计算成本。其次，特征中的隐式信息难以通过人工设计的损失函数提取。为此，我们提出了一种通过快速引导滤波（FGF）实现的生成对抗网络用于全色锐化。在生成器中，传统的通道拼接被 FGF 取代，以更好地保留空间信息同时减少参数量。同时，融合目标可通过空间注意力模块得到突出。此外，特征的潜在信息可通过对抗训练得到有效保留。大量实验表明，我们的网络生成的高质量 HRMS 图像优于现有方法，且参数量更少。
引用
@article{arxiv.2101.00062,
title = {FGF-GAN: A Lightweight Generative Adversarial Network for Pansharpening via Fast Guided Filter},
author = {Zixiang Zhao and Jiangshe Zhang and Shuang Xu and Kai Sun and Lu Huang and Junmin Liu and Chunxia Zhang},
journal= {arXiv preprint arXiv:2101.00062},
year = {2021}
}
备注
Accepted by ICME 2021 (Oral)