基于颜色感知感知损失与引导重新着色的全色锐化
图像与视频处理
2020-07-01 v1
摘要
我们提出一种用于全色锐化任务学习的新型颜色感知感知（CAP）损失。我们的 CAP 损失旨在关注预训练 VGG 网络中更敏感于空间细节并忽略颜色信息的深层特征，使网络从全色（PAN）图像提取结构信息，同时保留低分辨率多光谱（MS）图像的颜色。此外，我们提出“引导重新着色”，通过为每个全色锐化像素“挑选”最接近的 MS 像素颜色（如同人工操作员在手动着色中所做）来生成具有 MS 输入真实颜色的锐化图像。这种重新着色（RC）图像与全色锐化（PS）网络输出完全对齐，可在训练期间用作自监督信号，或在测试期间增强 PS 图像中的颜色。我们展示了若干实验，其中采用 CAP 损失训练的网络生成了外观自然且伪影更少的锐化图像，并在 WorldView3 数据集上以 ERGAS、SCC 和 QNR 指标优于现有最先进方法。
引用
@article{arxiv.2006.16583,
title = {Pan-Sharpening with Color-Aware Perceptual Loss and Guided Re-Colorization},
author = {Juan Luis Gonzalez Bello and Soomin Seo and Munchurl Kim},
journal= {arXiv preprint arXiv:2006.16583},
year = {2020}
}