摘要

由于霧霾會(huì)影響所捕獲遙感圖像的質(zhì)量,同時(shí)限制后端視覺(jué)應(yīng)用的性能,因而文章提出一種雙重注意力多尺度殘差去霧網(wǎng)絡(luò)。首先,重建大氣散射模型,可結(jié)合大氣光值與透射率求取大氣光冪; 然后,利用端到端的深度學(xué)習(xí)模型完成遙感圖像去霧,該網(wǎng)絡(luò)包含淺層特征提取模塊、深層數(shù)據(jù)提取模塊、雙映射網(wǎng)絡(luò)和平行卷積重建模塊; 最后,將該文方法與CARL-net,DFAD-net,SRBFP-net和AMGP-net這4種方法進(jìn)行主客觀對(duì)比實(shí)驗(yàn)。結(jié)果表明: 雙重注意力多尺度殘差去霧網(wǎng)絡(luò)能獲得與原始無(wú)霧場(chǎng)景較為接近的視覺(jué)狀態(tài),并具備較優(yōu)的對(duì)比度、鮮亮的色度與相應(yīng)的飽和度,透射圖細(xì)節(jié)清晰,保持前景部分邊緣的同時(shí)可實(shí)現(xiàn)對(duì)圖像噪聲較好的處理; 相對(duì)于CARL-net,DFAD-net,SRBFP-net和AMGP-net,該方法的峰值信噪比和結(jié)構(gòu)相似度指標(biāo)較優(yōu),算法處理效率較快,同時(shí)隨著遙感霧圖分辨率增加,算法處理時(shí)間變化較穩(wěn)定。

引用

李愿, 付輝, 劉浩志. 雙重注意力下的多尺度殘差遙感圖像去霧網(wǎng)絡(luò)[J]. 自然資源遙感, 2025, 37(4): 31-39

引言

基于先驗(yàn)知識(shí)的方法依賴于前驗(yàn)機(jī)理,獲取未知參量方式復(fù)雜且不夠準(zhǔn)確。而傳統(tǒng)基于深度學(xué)習(xí)的去霧方法存在部分參量復(fù)原結(jié)果差、圖像效果失真、對(duì)比度欠佳和算法處理效率不高等問(wèn)題。由此,本文提出一種端到端雙重注意力下的多尺度殘差遙感圖像去霧網(wǎng)絡(luò),可復(fù)原接近原場(chǎng)景的視覺(jué)狀態(tài),并最大程度降低計(jì)算量。

圖表

圖1大氣散射物理學(xué)模型

圖2雙重注意力多尺度殘差去霧網(wǎng)絡(luò)

圖3多尺度殘差注意力模型

圖4CBAM結(jié)構(gòu)

圖5雙映射網(wǎng)絡(luò)模塊

圖6平行卷積重建模塊

合成遙感霧圖清晰化效果對(duì)比

真實(shí)遙感霧圖清晰化效果對(duì)比

透射圖對(duì)比

圖7不同方法的全參考客觀評(píng)價(jià)指標(biāo)歸一化直方圖

合成與真實(shí)遙感霧圖消融實(shí)驗(yàn)效果對(duì)比

結(jié)束語(yǔ)

大氣霧霾限制了傳感器的性能,導(dǎo)致拍攝的圖像失真,而遙感霧圖降質(zhì)的復(fù)雜物理性質(zhì)導(dǎo)致圖像去霧面臨巨大挑戰(zhàn)。

來(lái)源：測(cè)繪學(xué)術(shù)資訊