- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018年7月22日-7月27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于环境条件预测从太空观测到的地表景观
摘要： 卫星图像是生态系统和景观的富含信息量的快照。因此，图像中的特征强烈依赖于环境条件。气候与景观之间的这种关联自地球科学诞生之初就已被认知；然而，从未像本研究这样被如此直观地呈现。我们采用深度学习生成模型，首次展示了深度学习在地球科学空间模式生成方面的潜力。其目的是构建一个条件生成对抗网络（cGAN），用于建立两组松散关联变量之间的关系——这类变量具有多重复杂空间特征，例如气候条件与航拍图像的关系。我们训练了一个定制化cGAN，根据一组气候和地形预测因子生成哨兵2号多光谱影像。结果表明，生成的影像与真实影像共享诸多特征。在某些情况下，生成影像的质量足以达到以假乱真的程度。我们设想，这种深度学习在地球科学中的应用，或将成为测试气候对景观及生态系统影响的重要工具。
关键词： 生成对抗网络、气候、深度学习、卫星影像、哨兵2号、景观生态学
更新于2025-09-10 09:29:36
-
[IEEE 2018年第24届国际模式识别会议(ICPR) - 中国北京 (2018.8.20-2018.8.24)] 2018年第24届国际模式识别会议(ICPR) - 利用超分辨率技术提升OCR识别精度
摘要： 光学字符识别（OCR）的准确性常因输入文档图像质量不佳而受到影响。通常这种性能下降归因于扫描分辨率和图像质量。这就需要在将文档图像传入OCR引擎之前，特别努力提高其质量。一个极具吸引力的方案是在传入OCR引擎前对这些低分辨率文档图像进行超分辨率处理。本研究通过生成对抗网络（GAN）对文档图像进行超分辨率处理来解决该问题。我们提出了一种基于超分辨率的预处理步骤，能提升OCR（包括商业OCR）的准确率。本方法特别适用于印刷体文档图像。我们在各类文档图像（字体、样式和语言各异）中验证了其有效性，且无需任何适应不同情况的预处理步骤。实验表明，在低分辨率扫描的测试图像上，OCR准确率最高可提升21%。该技术的直接应用之一是提升低分辨率扫描历史文献的识别效果。
关键词： 光学字符识别、超分辨率、文档图像、生成对抗网络
更新于2025-09-10 09:29:36
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 遥感图像跨场景分类的生成对抗网络
摘要： 本文提出一种基于生成对抗网络（GAN）的遥感影像跨场景分类新方法。为此，我们通过对抗训练方式，在来自两个不同域的标记与未标记数据上联合训练编码器-解码器网络和判别器网络：编码器-解码器网络旨在缩小两个域的分布差异，而判别器则致力于区分它们。优化过程结束后，我们在获得的编码标记数据上训练额外网络，进而对编码未标记数据进行分类。在分别具有5厘米和9厘米空间分辨率的波茨坦与法伊兴两座城市获取的两个数据集上的实验结果，证实了所提方法的良好性能。
关键词： 领域自适应、生成对抗网络（GANs）、跨场景分类
更新于2025-09-10 09:29:36
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于GAN的目标分类域适应方法
摘要： 当前图像分类的研究趋势集中于训练深度神经网络，这类网络需要大量与目标任务相关的训练图像。然而获取足够数量的标注图像样本往往耗时且昂贵。为此提出的替代方案是将解决某一问题时获得的知识迁移到另一个相关问题上，这种方法也称为迁移学习。领域自适应是迁移学习的一种类型，其核心在于构建能在两个具有不同（但存在关联）数据分布的数据集上均表现良好的模型。本研究针对航拍图像分类场景，提出了一种基于生成对抗网络（GAN）的新型领域自适应方法。在单目标场景下两个数据集获得的实验结果表明，该方法具有显著的应用前景。
关键词： 深度学习、生成对抗网络、领域自适应、迁移学习
更新于2025-09-09 09:28:46
-
[2018年IEEE第16届软件工程研究、管理与 应用国际会议(SERA) - 昆明(2018.6.13-2018.6.15)] 2018年IEEE第16届软件工程研究、管理与 应用国际会议(SERA) - 基于生成对抗网络的空间成像运动去模糊方法
摘要： 在某些纳米卫星任务中，我们发现所拍摄的图像受到运动模糊的干扰，这是由纳米卫星在低地球轨道高速运行时产生的情况所致。本文针对因天基成像系统抖动或观测目标移动而导致图像退化的去模糊问题展开研究。我们提出一种基于生成对抗网络（GAN）的运动去模糊策略，在轨实现无需核估计的端到端图像处理。通过结合Wasserstein GAN（WGAN）与基于对抗损失和感知损失的损失函数来优化去模糊图像结果。在两个不同数据集上的实验结果证明了该策略的可行性和有效性，其定量和定性指标均优于当前用于遥感图像的最先进盲去模糊算法。
关键词： 天基成像、生成对抗网络、纳米卫星、运动去模糊
更新于2025-09-09 09:28:46
-
[IEEE 2018年第24届国际模式识别大会(ICPR) - 中国北京(2018年8月20日至24日)] 2018年第24届国际模式识别大会(ICPR) - 基于Wasserstein生成对抗循环网络的图像生成方法
摘要： 大多数生成模型一次只能生成一张图像，但实际上绘画通常是迭代且反复进行的过程。生成对抗网络（GAN）虽以图像生成闻名，却难以稳定训练。为此，我们提出名为Wasserstein生成循环对抗网络（WGRAN）的框架，通过融合Wasserstein距离与循环神经网络来迭代生成逼真图像，并采用对抗方式训练模型。该生成模型能借助判别模型的反馈逐步生成图像，且允许控制生成迭代次数。我们在多种图像数据集上训练模型，并使用生成对抗度量标准将其与循环生成对抗网络（GRAN）及其他前沿生成模型对比。实验结果表明，本模型具备生成高质量图像的能力。
关键词： 循环神经网络、图像生成、生成对抗网络、Wasserstein距离
更新于2025-09-09 09:28:46
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 光学与SAR图像配准的深度生成匹配网络
摘要： 多模态遥感图像包含互补信息，因此可能为众多遥感应用带来益处。为此，图像配准是利用多模态图像的常见需求。然而，由于成像机制差异显著，多模态图像配准比常规配准更具挑战性，尤其是光学与合成孔径雷达（SAR）图像的配准。本研究设计了一个深度匹配网络，通过挖掘多模态图像块对之间的潜在相干特征来推断其配准标签。但该网络需要海量训练数据，而这类数据通常难以获取。针对这一问题，我们提出生成式匹配网络（GMN）来生成耦合的光学与SAR图像，从而提升训练数据的数量和多样性。实验结果表明，本方案显著提高了光学与SAR图像的配准性能，实现了亚像素级或接近亚像素级的配准精度。
关键词： 多模态图像、生成对抗网络、光学与SAR、深度匹配网络、图像配准
更新于2025-09-09 09:28:46
-
[IEEE 2018年第25届国际图像处理大会(ICIP) - 希腊雅典 (2018.10.7-2018.10.10)] 2018年第25届IEEE国际图像处理大会(ICIP) - 基于深度神经网络的广角荧光素血管造影视网膜血管检测：一种新型训练数据生成方法
摘要： 视网膜血管检测是自动视网膜图像分析中的关键步骤。近年来，深度神经网络显著提升了彩色眼底（CF）图像中视网膜血管检测的技术水平。然而，由于荧光素血管造影（FA）成像模式与CF完全不同且缺乏标注训练数据，类似进展尚未在FA领域实现。我们通过生成对抗网络（GAN）结合新型训练数据生成方法，解决了广角FA图像中的视网膜血管检测问题。利用包含同步采集的CF与眼底FA图像对的公开数据集，首先通过预训练神经网络检测CF图像中的血管图谱，再通过参数化倒角匹配将其与初步FA血管检测图谱配准至眼底FA图像。这些配准后的血管图谱（源自CF图像）与眼底FA图像构成的共对齐对，作为真值标记数据用于从头训练FA血管检测的深度神经网络。具体而言，我们采用对抗学习来训练GAN——生成器学习将FA图像映射为二值血管图谱，判别器则尝试区分生成图谱与真值血管图谱。我们重点阐述了该数据生成方法的若干重要考量。通过在包含高分辨率广角FA图像及血管段人工标注的VAMPIRE数据集验证，实验结果表明该方法实现了约0.9758的估计ROC AUC值。
关键词： 视网膜图像分析、荧光素血管造影、深度学习、血管检测、生成对抗网络
更新于2025-09-09 09:28:46
-
[IEEE 2018年第25届国际图像处理会议(ICIP) - 希腊雅典 (2018.10.7-2018.10.10)] 2018年第25届IEEE国际图像处理会议(ICIP) - 近红外影像着色
摘要： 本文提出了一种基于堆叠条件生成对抗网络的近红外（NIR）图像着色方法。我们设计了一种生成对抗网络（GAN）的变体架构，该架构在条件概率生成模型上采用多重损失函数。研究表明，这种新架构/损失函数能更好地实现生成彩色红外图像的泛化与表征。我们在大型测试数据集上评估了所提方法，并使用标准指标与最新前沿技术进行了对比。
关键词： 卷积神经网络（CNN）、红外图像着色、生成对抗网络（GAN）
更新于2025-09-04 15:30:14
-
[IEEE 2018年第26届国际地理信息学会议 - 中国昆明（2018年6月28日-2018年6月30日）] 2018年第26届国际地理信息学会议 - 基于生成对抗网络的遥感图像去模糊方法
摘要： 去模糊是遥感图像处理中的经典难题，因其病态特性而求解困难。现有可行方案通常通过将各类先验知识作为约束条件引入复原过程来解决该问题。然而这类先验学习往往假设图像模糊由固定类型因素产生，可能导致模型描述能力的下降。本文提出一种基于生成对抗网络(GAN)的端到端学习方法来解决遥感图像去模糊问题。所提出的去模糊模型无需对模糊类型做任何先验假设。该方法在卫星地图图像数据集上进行了评估，取得了最先进的性能表现。
关键词： 图像去模糊、遥感图像、损失函数、生成对抗网络（GAN）
更新于2025-09-04 15:30:14