条件生成对抗网络在遥感图像复原中的可行性

• 作者: 卜丽静 姜昊男 张正鹏 李秀伟
• 来源期刊: 国土资源遥感
• 学科: 工学
• 关键词: 降质模糊 图像复原 条件生成对抗网络 深度学习
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 技术方法
• 页码范围: 27-34
• 页数: 8页
• 分类号: TP79
• 字数: 6619字
• 语种: 中文
• DOI: 10.6046/gtzyyg.2020.01.05

摘要

对于遥感图像中降质模糊的问题,经典的图像复原方法由于模糊函数难以估计等原因,复原效果较差.为了避免估计模糊函数带来的困难,通过深度学习的方法对图像进行去模糊,研究了基于条件生成对抗网络(conditional generative adversarial nets,CGAN)的图像复原方法.首先创建训练网络的训练库,然后设置网络训练的初始参数,该网络以对抗的方式来使生成模型和判别模型进行交替学习,通过不断学习降质图像和清晰图像之间的差异,并结合了对抗损失和感知损失来缩小两者之间的差异,实现图像复原.实验采用以GOPRO数据集为基础的混合模糊训练库来训练网络,并与其他方法进行了对比试验,结果表明,在图像细节和评价指标方面,CGAN具有较好的复原效果,保证了复原图像的细节信息和纹理信息,证明了该方法可以用于遥感图像的复原.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张正鹏	辽宁工程技术大学测绘与地理科学学院	31	136	7.0	10.0
2	卜丽静	辽宁工程技术大学测绘与地理科学学院	35	70	4.0	6.0
3	姜昊男	辽宁工程技术大学测绘与地理科学学院	2	0	0.0	0.0
4	李秀伟	辽宁工程技术大学测绘与地理科学学院	1	0	0.0	0.0