基于Sinkhorn正则化对抗网络的高分辨率多光谱图像引导DEM超分辨率
图像与视频处理
2024-09-23 v2 计算机视觉与模式识别
机器学习
摘要
数字高程模型（DEM）是遥感领域中分析和探索地表高程信息相关应用的重要方面。在本研究中，我们旨在利用高分辨率多光谱（MX）卫星影像并结合对抗学习来生成高分辨率DEM。为及时调控该过程，我们采用判别器空间图极化自注意力的概念，并引入密集连接多残差块（DMRB）模块以辅助高效的梯度流动。此外，我们提出一个与传统GAN优化Sinkhorn距离相关的目标函数，以提升对抗学习的稳定性。对此，我们从理论和经验两方面证实了在梯度消失问题和数值收敛性方面具有更优性能。我们给出了与现有最先进方法的定性与定量结果。基于在航天飞机雷达地形任务（SRTM）和Cartosat-1的DEM数据集上的实验，我们表明所提模型优于其他基于学习的最先进方法。我们还生成并可视化了若干覆盖具有不同特征地形的高分辨率DEM，以展示模型的性能。
引用
@article{arxiv.2311.16490,
title = {High-resolution Multi-spectral Image Guided DEM Super-resolution using Sinkhorn Regularized Adversarial Network},
author = {Subhajit Paul and Ashutosh Gupta},
journal= {arXiv preprint arXiv:2311.16490},
year = {2024}
}
备注
15 pages, 14 figures