看过本文的还看了

相关文献

该作者的其他文献

文献详情 >先验引导的多降质特征“珞珈一号”夜光遥感影像质量提升方法 收藏
先验引导的多降质特征“珞珈一号”夜光遥感影像质量提升方法

先验引导的多降质特征“珞珈一号”夜光遥感影像质量提升方法

作     者:卜丽静 吴文玉 张正鹏 杨银 BU Lijing;WU Wenyu;ZHANG Zhengpeng;YANG Yin

作者机构:湘潭大学自动化与电子信息学院湖南湘潭411105 二十一世纪空间技术应用股份有限公司北京100096 湘潭大学数学与计算机科学学院湖南湘潭411105 湖南国家应用数学中心湖南湘潭411105 

基  金:国家重点研发计划(2020YFA0713503) 湖南省自然资源厅项目(2022-15) 湖南省科学技术厅面上项目(2022JJ30561) 

出 版 物:《测绘学报》 (Acta Geodaetica et Cartographica Sinica)

年 卷 期:2023年第52卷第2期

页      码:244-259页

摘      要:珞珈一号夜光(NTL)遥感影像存在云雾、辉光、分辨率降低等多种复杂的降质现象,现有的深度学习影像质量提升网络往往只针对某一种类型的降质问题,且没有充分利用影像的先验信息,训练和学习过程的可解释性差,去除的降质类型单一。因此,针对含有多种复杂降质的影像质量提升问题,提出一种可解释性先验引导的多降质特征夜光影像质量提升方法。分析降质过程和降质表现,推导出了辉光、云雾噪声和空间分辨率下降的综合降质模型,并以该模型作为先验引导构建了云雾、辉光、分辨率3类数据集。在网络结构方面,针对3类降质设计了包含通道注意力模块和像素注意力模块的残差密连卷积神经网络,并用比值稀疏约束损失函数进一步提高影像的清晰度。利用珞珈一号夜光遥感影像进行了试验,结果表明,本文方法可有效去除云雾、辉光等的影响,处理后影像中的灯光边缘信息更加清晰,空间分辨率提高,影像质量提升明显。

主 题 词:夜光遥感 影像质量提升 深度学习 去云雾 降质模型 超分辨率重建 

学科分类:0710[理学-生物科学类] 083002[083002] 0830[工学-生物工程类] 081802[081802] 08[工学] 0818[工学-交通运输类] 081602[081602] 0816[工学-纺织类] 0812[工学-测绘类] 

核心收录:

D O I:10.11947/j.AGCS.2023.20210679

馆 藏 号:203118593...

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分