通过条件生成对抗网络将多光谱影像翻译为夜间影像
计算机视觉与模式识别
2020-01-17 v1 图像与视频处理
机器学习
摘要
夜间卫星影像已广泛应用于众多领域。然而，我们对观测光强如何形成以及其是否可被模拟的有限理解极大地阻碍了其进一步应用。本研究探索了条件生成对抗网络（cGAN）在多光谱影像到夜间影像翻译中的潜力。我们采用并改进了流行的 cGAN 框架 pix2pix，利用源自 Landsat 8 和可见光红外成像辐射仪套件（VIIRS）的网格化训练图像对来促进该翻译。本研究的结果证明了多光谱到夜间翻译的可能性，并进一步表明，借助额外的社交媒体数据，生成的夜间影像可与真实影像非常相似。本研究填补了在理解卫星观测夜间光组成方面的空白，并为解决夜间遥感领域的新兴问题（包括夜间序列构建、光去饱和以及多传感器校准）提供了新范式。
引用
@article{arxiv.2001.05848,
title = {Translating multispectral imagery to nighttime imagery via conditional generative adversarial networks},
author = {Xiao Huang and Dong Xu and Zhenlong Li and Cuizhen Wang},
journal= {arXiv preprint arXiv:2001.05848},
year = {2020}
}
备注
4 pages, 3 figures, submitted to the 2020 IEEE International Geoscience and Remote Sensing Symposium