基于生成对抗网络的遥感图像去云算法

计算机视觉中的许多问题可以抽象为将输入图像“转换”成对应的输出图像,图像转换算法是许多计算机视觉问题的通用解决方案,例如语义分割、风格转换等。本文将以遥感图像去云作为图像转换的特例,研究基于生成对抗网络的图像转换算法。提出基于残差模块的生成模型可以对单幅遥感图像进行厚云和薄云的去除;同时提出的多尺度判别网络以及VGG损失函数,有效地解决了复杂场景的云雾遮挡问题。实验结果表明,本文提出的图像转换算法在遥感图像薄云数据集上峰值信噪比提升了1.64 dB,在厚云数据集上峰值信噪比提升了1.92 dB,同时生成的无云遥感图像和真实的无云图像具有较高的结构相似性。

采用改进RPCA的遥感影像去云算法

为解决遥感影像中常见的复杂稀疏云区的联合去云问题,提出一种采用改进的鲁棒主成分分析(RPCA)的遥感影像去云算法。根据遥感云层影像的自身特性,构造RPCA算法模型,采取一种新的基于分式函数的L0范数优化方式,引入加权核范数最小化算法(WNNM)对奇异值阈值进行自适应调节,提高云区矩阵的稀疏度和地貌矩阵的低秩性。实验结果表明,采用改进RPCA的遥感影像去云算法,能够去除复杂稀疏云区的云层遮挡,获得清晰度更高的无云遥感影像,在主观视觉和客观指标上均优于传统算法。