基于对抗生成网络的遥感图像薄云去除算法的研究

发布时间：2020-07-05 14:49

【摘要】：随着遥感技术与图像处理领域的相关技术的不断发展,遥感技术已经广泛应用于土地、林业、农业、军事侦查、海洋环境评估、地图制作等等多种领域。而遥感图像在成像过程中极易受到云的干扰,多少遥感图像不可避免的会有一些区域被云层覆盖,从而使得图像清晰度降低,增加了目视解译的难度,造成物力财力的浪费。在遥感图像领域,根据云层的光学厚度不同,可以将其分为两类:薄云和厚云;厚云往往完全遮掩了地表信息,没有参考图像的辅助,往往难以去除;而薄云常呈半透明状,其下垫面的信息仍然可以被利用。因此,为从带有薄云的遥感图像中将地物清晰度恢复,本文将对抗式生成网络算法应用到遥感图像薄云去除上。本文的研究工作与内容如下:首先,由于卫星重访周期限制,带有薄云-晴朗无云的遥感图像的成对训练数据集难以准确获取。针对此问题,本文使用对抗生成网络生成的薄云信息图像,利用云传输模型从清晰遥感图像仿真带有薄云的遥感图像,从而提出一种制作仿真成对数据集的方法。其次,针对薄云去除问题,本文提出一种基于对抗式生成网络的遥感图像的薄云去除方法,利用自制仿真数据集训练对抗生成网络学习无云遥感图像的数据分布,测试其在自制仿真数据集的表现,研究数据集的制作与网络训练过程,优化调整损失函数与网络参数。再次,针对基于云雾传输模型的薄云去除方法中薄云信息提取不够完善的问题,本文设计并提出一种使用对抗生成网络提取薄云信息的方法,利用自制仿真数据集训练,并最终利用其提取的薄云信息与云传输模型去除图像的薄云,在自制仿真数据集上测试其效果,并优化调整损失函数与网络参数。最后,分别在真实的带有薄云的遥感图像数据集与仿真数据集上,对比传统方法,与本文提出的方法的表现,总结分析传统方法与本文提出方法的优缺点。
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP751
【图文】：

示意图,晴空,示意图

像元相对于晴空线向右上方偏移，云越厚，像元向右上方的偏移量越大。由此得到HOT 的方法。图2-4 晴空线示意图[21]首先计算像元与晴空线的距离作为 HOT 值，系数的方向垂直于晴空线，数值大小与偏离晴空线的程度成比例。HOT=B1sinθ-B3cosθ-|I|cosθ (2-18)其中B1,B3分别为TM1TM3的 DN 值，θ为 CL 的倾角，I为晴空线的纵截距。图2-5 红蓝波段散点图[47]传统 HOT 方法需要手动选择晴空区。故基于暗通道先验的知识提出一种自动检测无云区的方法：在晴朗的图像区域大多数图像存在至少一个亮度值很低的通道，正

散点图,散点图,波段,晴空

3的 DN 值，θ为 CL 的倾角，I为晴空线的纵截距。图2-5 红蓝波段散点图[47]传统 HOT 方法需要手动选择晴空区。故基于暗通道先验的知识提出一种自动检测无云区的方法：在晴朗的图像区域大多数图像存在至少一个亮度值很低的通道，正

【相似文献】