结构增强型生成对抗网络SAR图像超分辨率重建

作者：闵锐; 杨学志; 董张玉; 陈鲸

来源：地理与地理信息科学, 2021, 37(02): 47-53.

DOI：10.3969/j.issn.1672-0504.2021.02.007

• 生成对抗网络
• 超分辨率重建
• 合成孔径雷达图像
• 结构损失
• 残差密集块

针对利用生成对抗网络模型(Generative Adversarial Network, GAN)重建SAR(Synthetic Aperture Radar)图像存在边缘细节信息不足和"伪影"(artifacts)现象,该文基于增强型超分辨率生成对抗网络(Enhanced Super-Resolution Generative Adversarial Networks, ESRGAN)光学模型,重新设计生成网络上采样重建模块和结构损失函数,提出一种结构增强型生成对抗网络SAR图像超分辨率重建算法,包括特征提取、特征增强和上采样重建3个模块:在特征提取模块采用小尺度卷积层对输入SAR图像进行低层次特征提取;在特征增强模块采用多个级联残差密集块(Residual-in-Residual Dense Block, RRDB)和卷积层提取输入特征;在上采样重建模块交替使用最近邻插值(Nearest Neighbor Interpolation, NNI)和亚像素卷积(Sub-Pixel Convolution, SPC)对特征进行放大重建,使特征信息交互融合。与传统插值算法和经典深度学习重建算法相比,该算法在视觉效果和定量评价方面均有显著提升,能够在保持原网络模型重建图像内容信息不丢失的基础上,增强重建图像边缘细节信息和减缓"伪影"现象,有利于后续目标识别和灾害监测等工作开展。