改進(jìn)生成式對(duì)抗網(wǎng)絡(luò)的遙感影像超分辨率重建

趙 耀，葛小三，金滿庫(kù)

（1.山西省測(cè)繪地理信息院，山西太原 030001；2.河南理工大學(xué)測(cè)繪與國(guó)土信息工程學(xué)院，河南焦作 454003）

0 引言

遙感影像快速發(fā)展，在檢測(cè)、分類、估產(chǎn)等方面應(yīng)用廣泛。超分辨率重建（SR）是通過(guò)算法來(lái)提高圖像分辨率，將低分辨率影像恢復(fù)高分辨率［1］，近年來(lái)逐漸受到一些學(xué)者的關(guān)注。當(dāng)前SR 方法主要有基于重構(gòu)、插值和機(jī)器學(xué)習(xí)。基于重構(gòu)方法是通過(guò)插值核對(duì)采樣點(diǎn)灰度進(jìn)行插值，以獲得接近高分辨率的放大效果。基于插值方法通過(guò)建立低分辨率與高分辨率圖像轉(zhuǎn)換模型，求解模型參數(shù)得到高分辨率圖像。這兩類方法在遙感影像應(yīng)用中因成像過(guò)程中退化因素復(fù)雜，模型難以全面考慮。

近年來(lái)數(shù)據(jù)驅(qū)動(dòng)下深度學(xué)習(xí)的方法為遙感數(shù)據(jù)處理提供了新途徑。2014 年，Dong 等將卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，CNN）應(yīng)用于超分辨率重建［2］，建立三層卷積層網(wǎng)絡(luò)，直接學(xué)習(xí)低分辨率與高分辨率圖像之間的端對(duì)端的映射，相較于傳統(tǒng)方法，在視覺(jué)效果和重建質(zhì)量上都有了較大提高。由于網(wǎng)絡(luò)層次太淺，在處理高分辨率影像時(shí)會(huì)丟失其紋理細(xì)節(jié)信息。針對(duì)上述不足，KIM 等提出了加入深層網(wǎng)絡(luò)的深度殘差網(wǎng)絡(luò)，并將網(wǎng)絡(luò)深度增加至52 層改進(jìn)，使用網(wǎng)絡(luò)權(quán)值共享塊，使網(wǎng)絡(luò)得到一定提升［3］。以上相較于傳統(tǒng)模型雖然都有一定提升，但還無(wú)法達(dá)到令人滿意的效果。

2016 年Ledig 等將對(duì)抗網(wǎng)絡(luò)引入超分辨率重建技術(shù)，提出了超分辨率生成對(duì)抗網(wǎng)（SRGAN），解決了圖像高頻細(xì)節(jié)缺失問(wèn)題［4］。本文針對(duì)SRGAN偽影問(wèn)題，引入密集殘差塊增大網(wǎng)絡(luò)容量處理細(xì)節(jié)，去除批量歸一化（BN）層，減少細(xì)節(jié)過(guò)度平滑，使用l1損失函數(shù)減少損失懲罰，改善偽影。……