条件生成对抗网络在遥感图像复原中的可行性

编号 zgly0001706732

文献类型 期刊论文

文献题名 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  李秀伟  张正鹏  姜昊男 

作者单位 辽宁工程技术大学测绘与地理科学学院 

母体文献 国土资源遥感 

年卷期 2020年01期

年份 2020 

分类号 TP751  TP183 

关键词 降质模糊  图像复原  条件生成对抗网络  深度学习 

文摘内容 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。