基于改进CGAN的海冰SAR-to-Optical影像转换

遥感海冰监测是当前研究热点,通过条件生成对抗网络 （CGAN） 将海冰SAR影像转换成光学影像,可获得全天时全天候且形象直观的监测数据,但该方法得到的转换结果存在影像模糊、纹理弱化和颜色失真等问题。本文针对以上问题设计了改进的CGAN网络,综合当前的改进方式,新模型在网络结构上加入了空洞空间金字塔模块并设计了加入交叉特征融合模块的跳跃连接,使用结构相似性和L1范数联合损失函数。本文选取东波弗特海地区5景Sentinel-1影像和7景Sentinel-2影像开展实验,实验结果表明,改进CGAN转换的影像具有更好的视觉效果,峰值信噪比 （PSNR） 提高了 3.4 dB,结构相似性 （SSIM） 提高了 0.11,均方根误差（RMSE） 降低了13%,并且经过转换后的影像比SAR影像海冰分类结果准确度提高了7.33%。