利用GAN恢复光谱信息（Tran et al. 1812.047

2019-01-02 本文已影响2人 Kernholz

目前的超宽带（Ultra Wide Band, UWB）雷达系统一般工作在100MHz至数GHz之间。其在光谱方面存在两大局限性，一是混淆，也即其他电磁波源的干扰；二是缺失，因为部分频带被禁止使用。本文作者训练了一个GAN来解决这两个问题。

原文图1 SARGAN基本结构示意图

训练数据：若干SAR影像对，每一影像对由一幅正常影像和对其进行频带干扰（混淆或去除部分频段）后得到的图像组成。

生成器损失函数构建

首先是表示重构误差的内容损失函数

$l_{content}(G_{\theta_G}(Z),X)=||M\cdot FG_{\theta_G}(Z)-M\cdot FX||_1$

其中 $F$ 为Fourier矩阵， $M$ 为二值掩膜矩阵，用以表示哪些波段未受到干扰。

为了提高重构质量，再引入对抗损失函数

$l_{adversarial}(G_{\theta_G}(Z))=-\log D_{\theta_D}(G_{\theta_G}(Z))$

其中 $D_{\theta_D}$ 表示判别器，则此时生成器总的损失函数为

$\mathcal{L}(G_{\theta_G}(Z),X)=l_{content}+\lambda l_{adversarial}$

其中 $\lambda > 0$

判别器的目标是下面这一最优化问题

$\max_{\theta_D}E_{X\sim p_{data}(X)}[\log D_{\theta_D}(X)]+E_{Z\sim p_G(Z)}[1-\log D_{\theta_D}(G_{\theta_G}(Z))]$

也即，尽可能准确地判别哪些属于原始影像，哪些属于生成器重构的影像。

原文图2

原文图4

从上面两幅图可以看到，利用GAN来进行重构的结果是非常不错的。