论文总结（一）—基于深度学习的普通遥感图像质量改进

论文名称：

A universal remote sensing image quality improvement method with deep learning
链接：https://ieeexplore.ieee.org/document/7730813/

目的：

1论文的创新点在那里
2论文使用的模型怎么改进
3样本集的选取

正文笔记

1摘要：
文章提出了一个idea，对于收集到的有特殊退化因子的航拍图像进行了CNN的训练，然后应用此模型去解决这个任务。实验表示，能够很好的完成。
2介绍：
退化函数 g=DHf+η
其中f是重构目标，g是观测目标，H是模糊核函数，D是空域下采样，η是加性噪声。
对于不同的问题，我们通常分开讨论这些影响因子。比如，图像去燥不考虑H，图像去模糊不考虑η，D只在图像超分辨问题中被考虑。
3相关工作
为了简化这个问题，先对g进行上采样，那么重构模型可以表示为

传统的方法是致力于H和η去解决这个问题，这通常需要未知的先验知识，例如 H和η的强度和分布。
近些年，相关的研究一直在致力于提出一种端对端（end-to-end）的映射，能够直接构建g到f的映射关系，深度学习模型能够满足这种条件。
CNN在ILSVRC20