融合边缘增强与非局部模块的遥感图像超分辨率重建生成对抗网络

摘要：

针对遥感图像成像过程中噪声污染严重,超分辨率重建图像存在目标边缘模糊和伪影等问题,本文提出一种融合边缘增强与非局部模块的遥感图像超分辨率算法(Edge-Enhanced and Non-local Modules Generative Adversarial Net-work,ENGAN).为了使图像细节边缘更清晰,本文融合一种图像边缘增强模块;同时,为进一步扩大模型感受野和增强去除边缘噪声性能,改进边缘增强模块中的Mask分支;此外,引入非局部模块,通过更好地利用图像的内在特征相关性,进一步提升了网络的重建性能.本文在UCAS-AOD和NWPU VHR-10两种遥感图像数据集上进行多个算法的对比实验,结果表明本文提出的方法在多个评价指标上均有所改善.以退化类型Ⅳ为例,本文方法相比深度盲超分辨率退化模型,4倍超分辨率的SSIM提升了0.068,PSNR提升了1.400 dB,RMSE减少了12.5%,且重建后的遥感图像相较于原始图像可以得到更好的地面目标检测结果.

关键词：遥感图像、超分辨率、边缘增强、非局部特征、生成对抗网络

所属期刊栏目：31

分类号：TP391(计算技术、计算机技术)

资助基金：黑龙江省自然科学基金资助项目No.LH2020F009

在线出版日期：2023-08-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：2080-2092