PSGAN: 一种用于遥感图像全色锐化的生成对抗网络
计算机视觉与模式识别
2020-12-22 v4
摘要
本文从生成对抗学习的角度解决遥感图像全色锐化问题。我们提出了一种基于深度神经网络的新方法,名为PSGAN。据我们所知,这是利用GAN生成高质量全色锐化图像的首次尝试之一。PSGAN由两部分组成:生成网络(即生成器)和判别网络(即判别器)。生成器设计为接受全色(PAN)和多光谱(MS)图像作为输入,并将其映射到期望的高分辨率(HR)MS图像;判别器实施对抗训练策略以生成保真度更高的全色锐化图像。在本文中,我们评估了几种架构与设计,即双流输入、堆叠输入、批归一化层和注意力机制,以寻找全色锐化的最优解。在QuickBird、GaoFen-2和WorldView-2卫星图像上的大量实验表明,所提出的PSGAN不仅能有效生成高质量HR MS图像,优于最先进的方法,而且对全尺度图像也具有良好泛化能力。
引用
@article{arxiv.1805.03371,
title = {PSGAN: A Generative Adversarial Network for Remote Sensing Image Pan-Sharpening},
author = {Qingjie Liu and Huanyu Zhou and Qizhi Xu and Xiangyu Liu and Yunhong Wang},
journal= {arXiv preprint arXiv:1805.03371},
year = {2020}
}
备注
Accepted to TGRS