基于级联残差对抗网络的 SAR 与光学遥感图像互译
计算机视觉与模式识别
2019-10-10 v2
摘要
尽管合成孔径雷达（SAR）图像具有全天候、全天时高分辨率成像的优势，但由于人类视觉不适应微波散射现象，普通民众很少观看和使用 SAR 图像。然而，专家解译人员可通过并排比较 SAR 与光学图像来学习从 SAR 到光学的映射规则。本文尝试开发可通过大容量配准 SAR 与光学图像训练的机器智能，将 SAR 图像翻译为光学版本以辅助 SAR 图像解译。SAR 与光学图像互译是一项具有挑战性的任务，因为它是两种物理特性差异很大的传感模态之间的原始数据翻译。本文提出一种新颖的互易对抗网络方案，其中采用了级联残差连接和混合 L1-GAN 损失。该方案在星载 GF-3 和机载 UAVSAR 图像上进行了训练和测试。给出了不同分辨率和极化数据集的结果，并与其他最先进方法进行比较。使用 FID 定量评估翻译性能。还探索了利用非配对 SAR 与光学图像进行无监督学习的可能性。结果表明，所提翻译网络在多种场景下表现良好，并可能用于辅助 SAR 解译。
引用
@article{arxiv.1901.08236,
title = {Reciprocal Translation between SAR and Optical Remote Sensing Images with Cascaded-Residual Adversarial Networks},
author = {Shilei Fu and Feng Xu and Ya-Qiu Jin},
journal= {arXiv preprint arXiv:1901.08236},
year = {2019}
}