用于卫星图像去噪的 Riesz-Quincunx-UNet 变分自编码器
图像与视频处理
2023-08-09 v1 计算机视觉与模式识别
机器学习
摘要
多分辨率深度学习方法（如 U-Net 架构）在图像分类与分割中取得了高性能。然而，这些方法不提供潜在图像表示，无法用于分解、去噪和重建图像数据。U-Net 及其他卷积神经网络（CNN）架构通常使用池化来扩大感受野，这通常导致不可逆的信息丢失。本研究提出在 U-Net 架构中引入 Riesz-Quincunx（RQ）小波变换，该变换结合了 1）高阶 Riesz 小波变换与 2）正交 Quincunx 小波（二者均曾用于减少医学图像模糊），以降低卫星图像及其时间序列中的噪声。在变换后的特征空间中，我们提出一种变分方法来理解特征随机扰动对图像的影响，以进一步降噪。结合两种方法，我们提出了一种混合 RQUNet-VAE 方案，用于图像与时间序列分解，以减小卫星影像中的噪声。我们给出了定性与定量实验结果，表明所提出的 RQUNet-VAE 在降低卫星影像噪声方面优于其他 SOTA 方法。我们还将该方案应用于多波段卫星图像的若干应用，包括：图像去噪、基于扩散的图像与时间序列分解以及图像分割。
引用
@article{arxiv.2208.12810,
title = {Riesz-Quincunx-UNet Variational Auto-Encoder for Satellite Image Denoising},
author = {Duy H. Thai and Xiqi Fei and Minh Tri Le and Andreas Züfle and Konrad Wessels},
journal= {arXiv preprint arXiv:2208.12810},
year = {2023}
}
备注
Submitted to IEEE Transactions on Geoscience and Remote Sensing (TGRS)