可见光引导的无监督遥感图像超分辨率
摘要
1.简介
据我们所知,这是第一项在没有HR/LR图像对的情况下执行跨域SR的工作,也是第一项应用可见图像来辅助遥感域图像SR的工作; 本文提出了一种新的双分支网络UVRSR,用HR可见光图像和非成对LR遥感图像生成SR遥感域图像。 提出了一种基于CycleGAN的可学习分支VIG,用于从HR可见光图像中挖掘丰富的纹理,并构建了另一个可学习分支RIG,用于探索遥感图像的内部信息; 我们设计了一种新的域规则(DR)鉴别器,以确定目标遥感域的SR输出,而不会在重建过程中发生域偏移; 实验表明,在UC Merced和NWPU-RESISC45遥感数据集上,与最新的非成对和遥感SR方法相比,UVRSR可以获得更好的结果。
2.相关工作
2.1. 遥感超分辨率
2.2. 深度学习中的超分辨率框架
2.3. 超分辨率无准备培训
3.方法
3.1. 总体架构
3.2. 配方
3.3、。 可视图像引导分行培训
3.3.1. CycleGAN公司
3.3.2. SR网络
3.3.3。 DR鉴别器
3.4. 遥感影像引导分公司培训
3.5. 总培训
4.实验与分析
4.1. 数据集集合
4.1.1. DIV2K型
4.1.2. 加州大学默塞德分校
4.1.3. NWPU-RESISC45型
4.2. 质量评估指标
4.3. 实施详细信息
4.4. 与最新方法的比较
5.讨论
5.1. 两个可学习分支的效果
5.2. DR鉴别器的作用
6.结论
作者贡献
基金
数据可用性声明
利益冲突
缩写
工具书类
Thies,B。; Bendix,J.《基于卫星的天气和气候遥感:近期成就和未来展望》。 美托洛尔。 申请。 2011 , 8 , 262–295. [ 谷歌学者 ][ 交叉参考 ] He,N。; 方,L。; 李,S。; A广场。; Plaza,J.使用多层叠加协方差池进行遥感场景分类。 IEEE传输。 地质科学。 远程传感器。 2018 , 56 , 6899–6910. [ 谷歌学者 ][ 交叉参考 ] 方,L。; 刘,G。; 李,S。; 加米西,P。; Benediktsson,J.A.利用挤压多频网络进行高光谱图像分类。 IEEE传输。 地质科学。 远程传感器。 2018 , 57 , 1291–1301. [ 谷歌学者 ][ 交叉参考 ] 孙,H。; 太阳,X。; Wang,H。; 李,Y。; Li,X.使用空间稀疏编码bagof-words模型在高分辨率遥感图像中自动检测目标。 IEEE传输。 地质科学。 远程传感器。 2011 , 9 , 109–113. [ 谷歌学者 ][ 交叉参考 ] 徐,D。; Wu,Y.利用DenseNet改进YOLO-V3,用于多尺度遥感目标检测。 传感器 2020 , 20 , 4276. [ 谷歌学者 ][ 交叉参考 ] 邹,Z。; Shi,Z.随机存取存储器:高分辨率航空遥感图像中目标检测的新范式。 IEEE传输。 图像处理。 2017 , 27 , 1100–1111. [ 谷歌学者 ][ 交叉参考 ] Dong,C。; 罗伊,C.C。; He,K。; Tang,X.使用深度卷积网络的图像超分辨率。 IEEE传输。 模式分析。 机器。 智力。 2015 , 38 , 295–307. [ 谷歌学者 ][ 交叉参考 ][ 绿色版本 ] Tai,Y。; 杨,J。; Liu,X.通过深度递归残差网络实现图像超分辨率。2017年IEEE/CVF计算机视觉和模式识别会议论文集,美国夏威夷州火奴鲁鲁,2017年7月21日至26日; 第3147–3155页。 [ 谷歌学者 ] Kim,J。; Lee,J.K。; Lee,K.M.图像超分辨率的深度递归卷积网络。 2016年6月26日至7月1日在美国内华达州拉斯维加斯举行的2016 IEEE计算机视觉和模式识别会议(CVPR)会议记录; 第1637-1645页。 [ 谷歌学者 ] Lim,B。; 儿子S。; Kim,H。; 不,S。; Mu Lee,K.增强的深度残差网络用于单图像超分辨率。 2017年7月21日至26日在美国夏威夷州火奴鲁鲁举行的2017 IEEE/CVF计算机视觉和模式识别研讨会会议记录; 第136-144页。 [ 谷歌学者 ] Zhang,Y。; 田,Y。; 孔,Y。; 钟,B。; Fu,Y.图像超分辨率的剩余稠密网络。 2018年6月18日至22日在美国犹他州盐湖城举行的2018 IEEE/CVF计算机视觉和模式识别(CVPR)会议记录; 第2472-2481页。 [ 谷歌学者 ] Zhang,Y。; 李凯。; 李凯。; Wang,L。; 钟,B。; Fu,Y.使用非常深的剩余通道注意网络的图像超分辨率。 2018年9月8日至14日在德国慕尼黑举行的欧洲计算机视觉会议(ECCV)会议记录; 第286-301页。 [ 谷歌学者 ] 梅,Y。; 范,Y。; 周,Y。; Huang,L.等人。; 黄,T.S。; Shi,H.图像超分辨率与跨尺度非局部关注和穷尽自样本挖掘。 2020年IEEE/CVF计算机视觉和模式识别(CVPR)会议记录,美国华盛顿州西雅图,2020年6月14日至19日; 第5690-5699页。 [ 谷歌学者 ] 莱迪格,C。; Theis,L。; Huszár,F。; 卡巴列罗,J。; 坎宁安,A。; Acosta,A。; 艾特肯,A。; 特贾尼,A。; 托茨,J。; 王,Z。; 等人,《使用生成对抗网络的真实照片单图像超分辨率》,2017年IEEE计算机视觉和模式识别会议论文集,美国夏威夷州火奴鲁鲁,2017年7月21日至26日; 第4681–4690页。 [ 谷歌学者 ] 王,X。; Yu,K。; Wu,S。; 顾J。; 刘,Y。; Dong,C.Esrgan:增强超分辨率生成对抗网络。 2018年9月8日至14日,德国慕尼黑,欧洲计算机视觉研讨会会议记录。 [ 谷歌学者 ] 王,X。; 谢林。; Dong,C。; Shan,Y.Real-esrgan:用纯合成数据训练真实世界的盲超分辨率。 2021年6月19日至25日在美国田纳西州纳什维尔举行的2021年IEEE/CVF计算机视觉和模式识别会议记录; 第1905–1914页。 [ 谷歌学者 ] 马,C。; Rao,Y。; Cheng,Y。; 陈,C。; 卢,J。; Zhou,J.梯度制导保结构超分辨率。 2020年IEEE/CVF计算机视觉和模式识别(CVPR)会议记录,美国华盛顿州西雅图,2020年6月14日至19日; 第7769–7778页。 [ 谷歌学者 ] 徐,M。; 王,Z。; 朱,J。; 贾,X。; Jia,S.遥感图像超分辨率多关注生成对抗网络。 arXiv公司 2021 ,arXiv:2107.06536。 [ 谷歌学者 ] Agustsson,E。; Timofte,R.Ntire 2017年单图像超分辨率挑战:数据集和研究。 2017年7月21日至26日在美国夏威夷州火奴鲁鲁举行的2017 IEEE/CVF计算机视觉和模式识别研讨会会议记录; 第126–135页。 [ 谷歌学者 ] 贝维拉夸,M。; A.鲁米。; 吉列莫特,C。; Alberi-Morel,M.L.基于非负邻域嵌入的低复杂度单幅图像超分辨率。 2012年9月3日至7日,英国萨里,英国机器视觉会议记录。 [ 谷歌学者 ] 黄J.B。; 辛格,A。; Ahuja,N.从变换后的自拍相机获得的单图像超分辨率。 2015年IEEE/CVF计算机视觉和模式识别会议记录,美国马萨诸塞州波士顿,2015年6月7-12日; 第5197–5206页。 [ 谷歌学者 ] 马丁·D·。; Fowlkes,C。; 塔尔·D。; Malik,J.人类分割自然图像数据库及其在评估分割算法和测量生态统计中的应用。 2001年7月7日至14日,加拿大不列颠哥伦比亚省温哥华,2001年IEEE国际计算机视觉会议(ICCV)会议记录; 第416–423页。 [ 谷歌学者 ] 曲,Y。; 齐,H。; Kwan,C.高光谱图像超分辨率的无监督稀疏dirichlet-net。 2018年6月18日至22日在美国犹他州盐湖城举行的2018 IEEE/CVF计算机视觉和模式识别(CVPR)会议记录; 第2511-2520页。 [ 谷歌学者 ] 魏毅。; 顾,S。; 李,Y。; 蒂莫夫特,R。; Jin,L。; Song,H.通过域-位置感知训练实现无监督的真实世界图像超分辨率。 2021年6月19日至25日在美国田纳西州纳什维尔举行的2021年IEEE/CVF计算机视觉和模式识别会议记录; 第13385–13394页。 [ 谷歌学者 ] Zhang,Y。; 刘,S。; Dong,C。; 张,X。; Yuan,Y.用于无监督图像超分辨率的多周期循环生成对抗网络。 IEEE传输。 图像处理。 2019 , 29 , 1101–1112. [ 谷歌学者 ][ 交叉参考 ] 布拉特,A。; 杨,J。; 为了学习图像超分辨率,首先使用gan学习如何进行图像退化。 2018年9月8日至14日在德国慕尼黑举行的欧洲计算机视觉会议(ECCV)会议记录; 第185-200页。 [ 谷歌学者 ] 纪,X。; 曹毅。; Tai,Y。; 王,C。; 李,J。; Huang,F.通过核估计和噪声注入的真实世界超分辨率。 2020年IEEE/CVF计算机视觉和模式识别研讨会会议记录,美国华盛顿州西雅图,2020年6月14日至19日; 第466–467页。 [ 谷歌学者 ] Wei,P。; 谢,Z。; 卢,H。; 詹,Z。; Ye,Q。; 左,W。; Lin,L.组件分割和征服现实世界图像的超分辨率。 《欧洲计算机视觉会议论文集》,虚拟版,2020年8月23日至28日; 第101-117页。 [ 谷歌学者 ] 布拉特,A。; Tzimiropoulos,G.Super-fan:使用gans以任意姿势对真实世界中的低分辨率人脸进行集成面部地标定位和超分辨率处理。 2018年6月18日至22日在美国犹他州盐湖城举行的2018 IEEE/CVF计算机视觉和模式识别(CVPR)会议记录; 第109-117页。 [ 谷歌学者 ] 卢格迈尔,A。; Danelljan,M。; Timofte,R.现实世界超分辨率的无监督学习。 2019年IEEE/CVF国际计算机视觉研讨会会议记录,2019年10月20日至26日,韩国首尔; 第3408–3416页。 [ 谷歌学者 ] 袁,Y。; 刘,S。; 张杰。; Zhang,Y。; Dong,C。; Lin,L.。使用循环中循环生成对抗网络的无监督图像超分辨率。 2018年IEEE/CVF计算机视觉和模式识别研讨会会议记录,美国犹他州盐湖城,2018年6月18日至22日; 第701-710页。 [ 谷歌学者 ] 朱,J.Y。; 帕克,T。; Isola,P。; Efros,A.A.使用循环一致的对抗网络进行无准备的图像到图像转换。 2017年IEEE国际计算机视觉会议(ICCV)会议记录,意大利威尼斯,2017年10月22日至29日; 第2223-2222页。 [ 谷歌学者 ] Shocher,A。; 科恩,N。; Irani,M.使用深度内部学习实现“零快照”超分辨率。 2018年6月18日至22日在美国犹他州盐湖城举行的2018 IEEE/CVF计算机视觉和模式识别(CVPR)会议记录; 第3118-3126页。 [ 谷歌学者 ] Lei,S。; 施,Z。; Zou,Z。通过本地-全球联合网络的遥感图像超分辨率。 IEEE地质科学。 遥感快报。 2017 , 14 , 1243–1247. [ 谷歌学者 ][ 交叉参考 ] 邵,Z。; Wang,L。; 王,Z。; Deng,J.使用稀疏表示和耦合稀疏自动编码器的遥感图像超分辨率。 IEEE J.选择。 热门应用程序。 地球目标遥感。 2019 , 12 , 2663–2674. [ 谷歌学者 ][ 交叉参考 ] Lei,S。; Shi,Z。; 邹,Z。遥感图像超分辨率对抗训练耦合。 IEEE传输。 地质科学。 远程传感器。 2019 , 58 , 3633–3643. [ 谷歌学者 ][ 交叉参考 ] 蒋,K。; 王,Z。; Yi,P。; 王,G。; 卢·T。; Jiang,J.Edge增强的GAN用于遥感图像超分辨率。 IEEE传输。 地质科学。 远程传感器。 2019 , 57 , 5799–5812. [ 谷歌学者 ][ 交叉参考 ] Haut,J.M。; Fernandez-Beltran,R。; 保莱蒂,M.E。; J.广场。; Plaza,A.使用深度剩余通道关注的遥感图像超分辨率。 IEEE传输。 地质科学。 远程传感器。 2019 , 57 , 9277–9289. [ 谷歌学者 ][ 交叉参考 ] Haut,J.M。; Fernandez-Beltran,R。; 保莱蒂,M.E。; 新泽西州广场。; A广场。; Pla,F.无监督遥感单幅图像超分辨率的新深度生成网络。 IEEE传输。 地质科学。 远程传感器。 2018 , 56 , 6792–6810. [ 谷歌学者 ][ 交叉参考 ] Wang,J。; 邵,Z。; 卢·T。; 黄,X。; 张,R。; Wang,Y.通过偏移图像先验的无监督遥感超分辨率。 2021年7月5日至9日,中国深圳,IEEE多媒体与博览会(ICME)国际会议记录; 第1-6页。 [ 谷歌学者 ] Tsai,R.多帧图像恢复与配准。 高级计算。 视觉。 图像处理。 1984 , 1 , 317–339. [ 谷歌学者 ] 陶,H。; 唐,X。; 刘杰。; 田,J.基于小波变换和插值的超分辨率遥感图像处理算法。 2002年10月23日至27日,中国杭州,《遥感图像处理和模式识别学报》; 第259-263页。 [ 谷歌学者 ] 王,S。; 卓,L。; Li,X.使用高分辨率全色图像实现光谱图像超分辨率。 2011年10月9日至11日,中国成都,IEEE计算机科学和信息技术国际会议(ICCSIT 2010)论文集; 第220-224页。 [ 谷歌学者 ] 李,F。; 弗雷泽,D。; Jia,X.用于超分辨率遥感图像的改进IBP。 地质师。 信息科学。 2006 , 12 , 106–111. [ 谷歌学者 ][ 交叉参考 ] 袁,Q。; Yan,L。; 李,J。; Zhang,L.基于区域空间自适应总变分模型的遥感图像超分辨率。 2014年IEEE地球科学与遥感研讨会(IGARSS)会议记录,加拿大魁北克省魁北克市,2014年7月13日至18日; 第3073–3076页。 [ 谷歌学者 ] X·冯。; 张,W。; 苏,X。; Xu,Z.小波变换域优化生成网络用于光学遥感图像去噪和超分辨率重建。 远程传感器。 2021 , 13 , 1858. [ 谷歌学者 ][ 交叉参考 ] 刘,B。; 赵,L。; 李,J。; 赵,H。; 刘伟。; 李,Y。; 王,Y。; 陈,H。; Cao,W.Saliency引导的遥感图像超分辨率。 远程传感器。 2021 , 13 , 5144. [ 谷歌学者 ][ 交叉参考 ] Kim,J。; Lee,J.K。; Lee,K.M.使用深度卷积网络实现精确的图像超分辨率。 2016年6月26日至7月1日在美国内华达州拉斯维加斯举行的2016 IEEE计算机视觉和模式识别会议(CVPR)会议记录; 第1646-1654页。 [ 谷歌学者 ] He,K。; 张,X。; 任,S。; Sun,J.图像识别的深度残差学习。 2016年6月26日至7月1日在美国内华达州拉斯维加斯举行的2016 IEEE计算机视觉和模式识别会议(CVPR)会议记录; 第770-778页。 [ 谷歌学者 ] 黄,G。; 刘,Z。; Van Der Maaten,L。; Weinberger,K.Q.密集连接卷积网络。 2017年IEEE计算机视觉和模式识别会议记录,2017年7月21日至26日,美国夏威夷州火奴鲁鲁; 第4700–4708页。 [ 谷歌学者 ] 王,Y。; 赵,L。; 刘,L。; 胡,H。; Tao,W.URNet:轻型图像超分辨率的U形残差网络。 远程传感器。 2021 , 13 , 3848. [ 谷歌学者 ][ 交叉参考 ] 姜杰。; 马,X。; 陈,C。; 卢·T。; 王,Z。; Ma,J.通过局部正则锚定邻域回归和非局部方法实现单图像超分辨率。 IEEE传输。 多模式。 2016 , 19 , 15–26. [ 谷歌学者 ][ 交叉参考 ] 梅,Y。; 范,Y。; Zhou,Y.非局部稀疏关注的图像超分辨率。 2021年6月19日至25日在美国田纳西州纳什维尔举行的2021年IEEE/CVF计算机视觉和模式识别会议记录; 第3517–3526页。 [ 谷歌学者 ] 李,B。; 郭,Y。; 顾S。; 刘建中。; 周J.T。; 彭,X。你只看自己:未经监督和训练的单幅图像去噪神经网络。 国际期刊计算。 视觉。 2021 , 129 , 1754–1767. [ 谷歌学者 ][ 交叉参考 ] 朱,H。; 彭,X。; 周J.T。; Yang,S。; Chanderasekh,V。; 李,L。; Lim,J.H.Singe用未配对信息去除图像中的雨水:一个可差分的编程视角。 2019年6月27日至2月1日,美国夏威夷州火奴鲁鲁希尔顿夏威夷村,AAAI人工智能会议记录; 第9332–9339页。 [ 谷歌学者 ] 卢,B。; 陈J.C。; Chellappa,R.通过解纠缠表示的无监督领域特异性去模糊。 2018年6月18日至22日在美国犹他州盐湖城举行的2018 IEEE/CVF计算机视觉和模式识别(CVPR)会议记录; 第10225–10234页。 [ 谷歌学者 ] Hermosilla,P。; Ritschel,T。; Ropinski,T.完全去噪:三维点云清理的无监督学习。 2019年IEEE/CVF国际计算机视觉会议(ICCV)会议记录,2019年10月20日至26日,韩国首尔; 第52-60页。 [ 谷歌学者 ] 约翰逊,J。; Alahi,A。; Fei-Fei,L.实时风格传输和超分辨率的感知损失。 2016年10月11日至14日,荷兰阿姆斯特丹,欧洲计算机视觉会议(ECCV)会议记录; 第694-711页。 [ 谷歌学者 ] 刘,Z.S。; Siu,W.C。; Wang,L.W。; 李,C.T。; Cani,M.P.通过生成式变分自动编码器实现无监督真实图像超分辨率。 2020年IEEE/CVF计算机视觉和模式识别研讨会会议记录,美国华盛顿州西雅图,2020年6月14日至19日; 第442-443页。 [ 谷歌学者 ] Yang,Y。; Newsam,S.Bagof-visual-words和土地利用分类的空间扩展。 2010年11月2日至5日,美国加利福尼亚州圣何塞,第18届SIGSPATIAL国际地理信息系统进展会议记录; 第270-279页。 [ 谷歌学者 ] Cheng,G。; Han,J。; Lu,X.遥感图像场景分类:基准和最新技术。 程序。 电气与电子工程师协会 2017 , 105 , 1865–1883. [ 谷歌学者 ][ 交叉参考 ][ 绿色版本 ] 米塔尔,A。; Soundararajan,R。; Bovik,A.C.制作“完全盲”图像质量分析仪。 IEEE信号处理。 莱特。 2012 , 20 , 209–212. [ 谷歌学者 ][ 交叉参考 ] 马,C。; Yang,C.Y。; 杨,X。; Yang,M.H.学习单图像超分辨率的无参考质量度量。 计算。 视觉。 图像理解。 2017 , 158 , 1–16. [ 谷歌学者 ][ 交叉参考 ][ 绿色版本 ]