基于小波子带 CycleGAN 的卫星影像无监督去噪
图像与视频处理
2020-02-25 v1 计算机视觉与模式识别
机器学习
机器学习
摘要
多光谱卫星成像传感器获取各种光谱波段图像，如红（R）、绿（G）、蓝（B）、近红外（N）等。得益于各光谱波段相对于地面物体的独特光谱特性，多光谱卫星影像可用于多种地质调查应用。不幸的是，来自成像传感器噪声的图像伪影常影响场景质量，并对卫星影像应用产生负面影响。近来，深度学习方法已被广泛探索用于去除卫星影像中的噪声。然而，大多数深度学习去噪方法遵循有监督学习方案，需要难以在真实场景中收集的匹配噪声图像与干净图像对。本文提出一种基于小波子带循环一致对抗网络（WavCycleGAN）的卫星影像无监督多光谱去噪新方法。所提方法基于使用对抗损失和循环一致损失的无监督学习方案，以克服成对数据的缺乏。此外，与标准图像域 cycleGAN 不同，我们引入小波子带域学习方案，以在不损失边缘和细节信息等高频成分的情况下实现有效去噪。针对卫星成像传感器中垂直条纹和波浪噪声去除的实验结果表明，所提方法能有效去除噪声并保留卫星图像的重要高频特征。
引用
@article{arxiv.2002.09847,
title = {Unsupervised Denoising for Satellite Imagery using Wavelet Subband CycleGAN},
author = {Joonyoung Song and Jae-Heon Jeong and Dae-Soon Park and Hyun-Ho Kim and Doo-Chun Seo and Jong Chul Ye},
journal= {arXiv preprint arXiv:2002.09847},
year = {2020}
}