端到端的多尺度自适应式遥感图像消毒网络
Xinhua Wang1,2, Botao Yuan1, Haoran Dong1
1School of Computer Science, Northeast Electric Power University, Jilin 132012, China.
Sensors (Basel, Switzerland)
|January 11, 2025
概括
这项研究引入了一种新的多尺度自适应特征提取方法 (MSD-Net),用于从遥感图像中去除大气雾. 该方法有效地恢复丢失的细节和纹理信息,改善地球观测的图像质量.
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:
- 大气中的雾显著降低了遥感图像质量.
- 模糊图像中的细节损失会影响地球观测和环境监测应用.
研究的目的:
- 提出一个端到端的多尺度自适应特征提取方法,用于远程传感图像脱雾 (MSD-Net).
- 增强从模糊的遥感图像中提取全球和本地特征.
主要方法:
- 引入了一个扩展卷积适应模块,用于多尺度特征提取.
- 整合了一个自我适应的注意力机制,以根据图像内容调整受感场.
- 利用功能融合技术来整合多个规模的信息.
主要成果:
- 在恢复原始细节和纹理信息方面,MSD-Net方法表现出卓越的性能.
- 在HRRSD和RICE数据集上的实验证实了该方法在除气方面的有效性.
- 拟议的方法优于当前最先进的除烟方法.
结论:
- MSD-Net有效地解决了远程传感图像中雾引起的信息丢失问题.
- 多尺度的自适应方法提高了特征表示和图像质量.
- 这种方法为远程传感图像分析提供了显著的改进.


