基于贝叶斯GAN的遥感图像融合
计算机视觉与模式识别
2020-09-22 v1
摘要
遥感图像融合技术（全色锐化）是提高遥感图像信息容量的重要手段。受贝叶斯神经网络高效参数空间后验采样的启发，本文提出一种基于预条件随机梯度朗之万动力学（PGSLD-BGAN）的贝叶斯生成对抗网络，以改进全色锐化任务。与许多仅考虑单一最优解（可能为局部最优）的传统生成模型不同，所提出的PGSLD-BGAN对网络参数进行贝叶斯推断，并探索生成器后验分布，从而辅助选择合适的生成器参数。首先，我们构建以全色（PAN）和多光谱（MS）图像为输入的双流生成器网络，其由特征提取、特征融合和图像重建三部分组成。然后，我们利用马尔可夫判别器增强生成器重建融合图像的能力，使结果图像保留更多细节。最后，引入预条件随机梯度朗之万动力学策略，对生成器网络进行贝叶斯推断。在QuickBird和WorldView数据集上的实验表明，本文提出的模型能有效融合PAN与MS图像，且在主观与客观指标上可与现有最优方法竞争甚至更优。
引用
@article{arxiv.2009.09465,
title = {Remote sensing image fusion based on Bayesian GAN},
author = {Junfu Chen and Yue Pan and Yang Chen},
journal= {arXiv preprint arXiv:2009.09465},
year = {2020}
}