一个基于深度展开的远程传感图像的等级低级拒绝模型
Fanqi Shao1, Xiaolin Feng2, Sirui Tian2
1China Electronic Technology Group Corporation, Beijing 100846, China.
Sensors (Basel, Switzerland)
|July 27, 2024
概括
本研究介绍了一种基于深度展开 (HLR-DUR) 的等级低级无声化模型,以改善远程传感图像无声化. 该方法有效地保留了边缘细节,同时抑制噪音,实现了最先进的结果.
科学领域:
- 遥感 遥感 遥感 遥感
- 图像处理 图像处理
- 计算机视觉 计算机视觉
背景情况:
- 低级别表示 (LRR) 模型对于遥感图像有效,但往往会模糊边缘.
- 现有的方法难以保留残留物中存在的关键边缘细节.
研究的目的:
- 开发一种先进的无线化技术,以保护边缘信息.
- 为了提高低级无声化模型的噪声抑制能力和计算效率.
主要方法:
- 一个分层的无线化框架与一个低级模型集成,以从残余中提取边缘信息.
- 一个先验知识矩阵被纳入,以指导模型学习结构信息.
- 使用深度展开的方法创建了使用Unrolling (HLR-DUR) 模型的层次低级排斥.
主要成果:
- HLR-DUR模型成功地从低级残留物中提取了边缘信息.
- 实验表明,HLR-DUR显著提高了光学,高光谱 (HSI) 和合成光圈雷达 (SAR) 图像的无色化性能.
- 拟议的模型实现了最先进的 (SOTA) 否定结果.
结论:
- HLR-DUR有效地解决了低级别无声化中的边缘模糊问题.
- 深度神经网络的集成增强了信息捕获和表示,以实现更高水平的denoising.
- 拟议的方法为远程传感图像消噪提供了一个计算效率高和高性能解决方案.
