基于改进SinGAN的遥感图像数据增强方法

随着遥感技术的发展，遥感图像被大量应用于遥感图像识别、分割等领域。但遥感图像数量少、质量低以及多样性不足等问题阻碍了遥感解译等后续研究的性能提升，如何利用少量的遥感图像生成大量的数据集是目前亟待解决的问题。针对这一问题，本文以SinGAN网络为基础，将一种新的纯卷积网络ConvNeXt与之结合来构建遥感图像数据增强框架。实验结果表明，在遥感数据集NWPU-RESISC45 Dataset上，结合ConvNeXt卷积网络进行数据增强后的图像，其FID、SSIM和PSNR这3种GAN与图像质量评价指标分别提升了5.7%、6.2%和8.2%。基于改进SinGAN的遥感图像数据增强方法进行增强后的图像质量与多样性均优于SinGAN算法与传统图像增强方法，实际中可用于图像分割、目标检测等领域。