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

• Published in: Ce hui xue bao Vol. 52; no. 2; pp. 244 - 259
• Main Authors: 卜丽静, 吴文玉, 张正鹏, 杨银
• Format: Journal Article
• Language: Chinese; English
• Published: Beijing Surveying and Mapping Press 20.02.2023; 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
• Subjects: Artificial neural networks; Deep learning; Degradation; Fog; Image degradation; Image quality; Modules; Neural networks; Night; Nighttime; Quality control; Quality improvement; Remote sensing; Spatial discrimination; Spatial resolution; 影像质量提升; 夜光遥感; 降质模型; 去云雾; 超分辨率重建; 深度学习
• ISSN: 1001-1595; 1001-1595
• DOI: 10.11947/j.AGCS.2023.20210679

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。