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