使用生成对抗网络的光谱图像可视化
计算机视觉与模式识别
2018-02-08 v1 机器学习
机器学习
摘要
由卫星与射电望远镜捕获的光谱图像被分析以获取地质成分分布、遥远星体以及海底地形等信息。光谱图像通常包含数十至数百个连续的窄光谱波段，并广泛应用于各领域。但绝大多数此类图像信号超出可见范围，这需要特殊的可视化技术。光谱图像的可视化应传达原始信号中尽可能多的信息并便于图像解译。然而，现有绝大多数可视化方法以假彩色显示光谱图像，这与人类经验与期望相悖。本文提出一种新颖的可视化生成对抗网络（GAN）以自然色彩显示光谱图像。为实现目标，我们提出一个由对抗损失与结构损失组成的损失函数。对抗损失利用一个被训练以区分假彩色图像与自然彩色图像的判别器网络，将我们的解推向自然图像分布。我们还使用循环损失作为结构约束以保证结构一致性。实验结果表明，我们的方法能够生成保持结构且外观自然的视觉化结果。
引用
@article{arxiv.1802.02290,
title = {Spectral Image Visualization Using Generative Adversarial Networks},
author = {Siyu Chen and Danping Liao and Yuntao Qian},
journal= {arXiv preprint arXiv:1802.02290},
year = {2018}
}
备注
6 pages, 7 figures