基于自我注意力和本地注意力模型的西藏高原地区的云移除
Guoqiang Zheng1, Tianle Zhao1, Yaohui Liu1
1School of Surveying and Geo-Informatics, Shandong Jianzhu University, Fengming Road, Jinan 250101, China.
Sensors (Basel, Switzerland)
|December 17, 2024
概括
一个新的基于多尺度注意力的云移除模型 (MATT) 有效地从光学遥感图像中移除云,这对于监测西藏高原的雪盖变化至关重要. 这种先进的模型在复杂的山地地形中保留了雪的细节.
科学领域:
- 遥感 遥感 遥感 遥感
- 计算机视觉 计算机视觉
- 环境监测 环境监测
背景情况:
- 光学遥感对于环境分析至关重要,但经常受到云层覆盖的阻碍.
- 云干扰是监测雪地覆盖面的重大挑战,特别是在像西藏高原这样复杂的地形上.
- 准确的云移除对于可靠的数据分析和气候变化研究至关重要.
研究的目的:
- 为光学遥感图像开发一个先进的云移除模型.
- 专门解决西藏高原雪覆盖地区的云去除挑战.
- 为了提高除云的准确性和稳定性,以监测积雪覆盖面.
主要方法:
- 提出了一个新的基于多尺度注意力的云移除模型 (MATT).
- 集成的多尺度注意力机制和局部交互模块,以增强特征表示.
- 在本地注意模块中集成云面罩,以改进云和雪区域的细分.
主要成果:
- 在基准数据集 (Sen2_MTC_New和XZ_Sen2_Dataset) 上,MATT表现出色.
- 在XZ_Sen2_数据集上实现了高度指标:PSNR=29.095,SSIM=0.897,FID=125.328,LPIPS=0.356. 在XZ_Sen2_数据集上实现了高度指标:PSNR=29.095,SSIM=0.897,FID=125.328,LPIPS=0.356.
- 在山区,雪覆盖地区成功地去除了云层,同时保留了雪信息.
结论:
- 在具有挑战性的遥感场景中,MATT模型提供了一个强大的解决方案,用于移除云.
- 它通过提供清晰的光学图像,显著支持雪地覆盖变化研究.
- 该模型能够处理复杂的地形并保存细节的能力提高了其在环境监测中的适用性.
