用于遥感图像超分辨率的多注意力生成对抗网络
图像与视频处理
2021-07-15 v1 计算机视觉与模式识别
摘要
图像超分辨率（SR）方法能够在不增加成本的情况下生成高空间分辨率遥感图像，从而提供了一种获取高分辨率遥感图像的可行途径，这类图像因采集设备成本高与天气复杂而难以获得。显然，图像超分辨率是一个严重的病态问题。幸运的是，随着深度学习的发展，深度神经网络的强大拟合能力已在一定程度上解决了该问题。本文中，我们提出一种基于生成对抗网络（GAN）以生成高分辨率遥感网络的网络，称为多注意力生成对抗网络（MA-GAN）。我们首先为图像 SR 任务设计了基于 GAN 的框架。完成 SR 任务的核心是我们所设计的带后上采样的图像生成器。生成器主体包含两个模块：一是残差稠密块中的金字塔卷积（PCRDB），二是基于注意力的上采样（AUP）块。PCRDB 块中带注意力的金字塔卷积（AttPConv）是一个结合多尺度卷积与通道注意力以自动学习并调整残差尺度以获得更优结果的模块。AUP 块是一个结合像素注意力（PA）以实现任意倍数上采样的模块。这两个模块协同工作以帮助生成更高质量的图像。对于损失函数，我们设计了基于像素损失的损失函数，并引入对抗损失与特征损失以引导生成器学习。我们在遥感场景图像数据集上将所提方法与几种最先进方法进行比较，实验结果一致证明了 MA-GAN 的有效性。
引用
@article{arxiv.2107.06536,
title = {Multi-Attention Generative Adversarial Network for Remote Sensing Image Super-Resolution},
author = {Meng Xu and Zhihao Wang and Jiasong Zhu and Xiuping Jia and Sen Jia},
journal= {arXiv preprint arXiv:2107.06536},
year = {2021}
}