10.3969/j.issn.1009-8518.2023.04.008
基于复合神经网络提升亚米级卫星影像质量
低能见度情况下,大气粒子对太阳辐射的散射和吸收效应,降低了卫星影像像质和空间分辨率,传统图像处理方法和现在普遍应用的深度学习算法无法同时提升图像像质和空间分辨率.为了改变该现状,文章提出了基于网格去雾网络(GridDehazeNet)和真实超分辨率生成对抗网络(Real-ESRGAN)组合的复合神经网络.首先采用 GridDehazeNet 卷积神经网络架构提升卫星影像的清晰度和对比度,再利用Real-ESRGAN增强型超分辨率生成对抗网络以提升卫星影像空间分辨率;最后利用Worldview-3 多光谱图像对不同算法进行了测试,并对比不同算法的测试效果.结果表明:该复合神经网络在改善图像像质和分辨率方面效果显著,其中清晰度提高了 39.11 倍,对比度提高了 3 倍,信息熵值提高了 34%;且同时避免了传统算法所带来过度增强和噪声问题,对小目标物的识别和解译的准确率有显著提高.
卫星遥感影像、图像像质、图像增强、深度学习、超分算法、遥感应用
44
TP751(遥感技术)
国家自然科学基金;河北省高等学校科学技术研究项目;邯郸市科学技术研究与发展计划项目
2023-09-08(万方平台首次上网日期,不代表论文的发表时间)
共10页
69-78