基于串联生成对抗网络从遥感影像生成多尺度地图
计算机视觉与模式识别
2022-02-16 v1 图像与视频处理
摘要
鉴于生成对抗网络（GAN）在图像到图像翻译方面的成功，研究者已尝试通过 GAN 将遥感影像（RSI）翻译为地图（rs2map）以用于制图。然而，这些研究涉及的尺度有限，阻碍了多尺度地图的创建。通过扩展其方法，可通过为特定尺度训练的逐尺度 rs2map 模型（并行策略），将多尺度 RSI 平凡地翻译为多尺度地图（多尺度 rs2map 翻译）。但该策略存在两个理论局限。首先，多尺度 RSI 的各种空间分辨率与多尺度地图上地物泛化之间的不一致（RS-m 不一致），随着尺度减小，日益复杂化 rs2map 模型从 RSI 提取地理信息的过程。其次，由于 rs2map 翻译是跨域的，生成器需付出高昂计算代价将 RSI 像素分布转换为地图上的分布。为此，我们设计了一种用于多尺度 rs2map 翻译的生成器串联策略以克服这些局限。该策略中，高分辨率 RSI 输入某一 rs2map 模型以输出大尺度地图，再通过串联的多尺度地图翻译模型将之翻译为多尺度地图。串联策略避免了 RS-m 不一致，因为输入为高分辨率大尺度 RSI，并通过多尺度地图间相似的像素分布缩小了多尺度地图生成中的分布差距。我们的实验结果表明，采用串联策略生成的多尺度地图质量更优：在墨西哥城与东京缩放级别 17-13 的数据上，结构相似性指数、边缘结构相似性指数、交并比（道路）和交并比（水体）分别平均提升 11.69%、53.78%、55.42% 和 72.34%。
引用
@article{arxiv.2103.16909,
title = {Generating Multi-scale Maps from Remote Sensing Images via Series Generative Adversarial Networks},
author = {Xu Chen and Bangguo Yin and Songqiang Chen and Haifeng Li and Tian Xu},
journal= {arXiv preprint arXiv:2103.16909},
year = {2022}
}