-
题名条件生成对抗网络在遥感图像复原中的可行性
被引量：3
- 1
-
-
作者
卜丽静
李秀伟
张正鹏
姜昊男
-
机构
辽宁工程技术大学测绘与地理科学学院
-
出处
《国土资源遥感》
CSCD
北大核心
2020年第1期27-34,共8页
-
基金
国家自然科学基金项目“凝视卫星视频运动场景超分重建”(编号:41501504)资助。
-
文摘
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。
-
关键词
降质模糊
图像复原
条件生成对抗网络
深度学习
-
Keywords
degraded blur
image restoration
conditional generative adversarial nets
deep learning
-
分类号
TP79
[自动化与计算机技术—检测技术与自动化装置]
-
