多时相 Sentinel-1 与 Sentinel-2 数据融合用于光学图像模拟
计算机视觉与模式识别
2018-07-27 v1
摘要
在本文中，我们提出利用基于深度学习的方法从合成孔径雷达（SAR）数据进行光学图像模拟。为验证可能性，提出了两种模型，即直接从 SAR 数据模拟光学图像，以及从多时相 SAR-光学数据模拟光学图像。我们为实现这些模型所选的基于深度学习的方法是具有残差架构的卷积神经网络（CNN）与条件生成对抗网络（cGAN）。我们使用 Sentinel-1 与 Sentinel-2 数据集验证我们的模型。实验表明，具有多时相 SAR-光学数据的模型能成功模拟光学图像，而以简单 SAR 数据为输入的模型则失败。光学图像模拟结果指示了 SAR-光学信息融合用于后续应用（如大规模去云与光学数据时序超分辨率）的可能性。我们还研究了所提模型对训练样本的敏感性，并揭示了可能的未来方向。
引用
@article{arxiv.1807.09954,
title = {Multi-temporal Sentinel-1 and -2 Data Fusion for Optical Image Simulation},
author = {Wei He and Naoto Yokoya},
journal= {arXiv preprint arXiv:1807.09954},
year = {2018}
}