多光譜遙感衛(wèi)星數(shù)據(jù)具有時(shí)空分辨率高、直觀性強(qiáng)、信息量大等特點(diǎn),被廣泛應(yīng)用于海洋監(jiān)管、農(nóng)業(yè)調(diào)查、環(huán)境監(jiān)測(cè)、軍事偵察等領(lǐng)域,但成像過程易受云霧天氣影響導(dǎo)致影像部分地物信息被遮擋,影像的有效應(yīng)用受到嚴(yán)重干擾。依據(jù)云區(qū)下墊面是否被完全遮蔽,可將影像去云研究分為厚云去除與薄云去除兩個(gè)方向,由于薄云區(qū)域的地物反射率仍有部分存留,從影像自身恢復(fù)薄云下的地表信息,對(duì)于提高影像利用率具有更重要的意義。受限于云霧濃度難以準(zhǔn)確估計(jì)的客觀事實(shí),當(dāng)前傳統(tǒng)遙感影像薄云去除方法尚存在云霧去除不徹底、地物信息損失大的問題,而現(xiàn)有深度學(xué)習(xí)下的影像去云方法雖然在效果上有了較大提升,但依賴于高成本的監(jiān)督學(xué)習(xí)策略,難以解決真實(shí)樣本對(duì)獲取困難與合成樣本對(duì)無法完全符合真實(shí)數(shù)據(jù)分布的矛盾,導(dǎo)致在海量遙感影像自動(dòng)化去云的實(shí)際工作中應(yīng)用困難。為此,本文旨在摒棄基于數(shù)據(jù)標(biāo)注對(duì)的監(jiān)督學(xué)習(xí)策略,構(gòu)建無監(jiān)督深度學(xué)習(xí)下的“薄云-晴空”影像轉(zhuǎn)換架構(gòu),將影像薄云去除問題轉(zhuǎn)換為地表信息在薄云與晴空兩種成像狀態(tài)之間的轉(zhuǎn)換問題,提出具備云霧特征與圖像色彩感知能力的遙感影像薄云去除方法,從而實(shí)現(xiàn)薄云影像地物信息高保真重建。論文的主要內(nèi)容概括如下:（1）形成... 

【文章來源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：109 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

遙感影像薄

浙江大學(xué)碩士學(xué)位論文無監(jiān)督學(xué)習(xí)下的“薄云-晴空”影像轉(zhuǎn)換架構(gòu)16道路走勢(shì)清晰可辨，圖像中部?jī)蓚�(gè)水體能與周邊地物進(jìn)行區(qū)分，但其邊界難以判定；圖2.2（d）近紅外波段灰度圖的云霧噪聲最小，與其他三個(gè)波段圖像相比，近紅外波段圖像的亮度與對(duì)比度最高，水體邊界清晰，整幅圖像范圍內(nèi)的地物基本都可以識(shí)別。由圖可以看出，云霧對(duì)不同波段圖像的影響程度不同，藍(lán)光波段受云霧影響最為嚴(yán)重，而近紅外波段受云霧影響相對(duì)最校因此在影像去云工作中，使用多波段數(shù)據(jù)在理論上能夠獲取更多的地物信息，從而取得更好的去云效果。（a）藍(lán)色波段（b）綠色波段（c）紅色波段（d）近紅外波段圖2.2Landsat8遙感影像四波段灰度圖根據(jù)以上薄云影像特征分析可知，云霧不僅在視覺上具有清晰可辨的外觀，而且在空間及光譜上均表現(xiàn)出與地面物體截然不同的特征。目前深度學(xué)習(xí)的飛速發(fā)展已經(jīng)使計(jì)算機(jī)具備了提取圖像深層特征的能力，因此利用計(jì)算機(jī)的強(qiáng)大算力，通過深度神經(jīng)網(wǎng)絡(luò)從大量遙感影像中自動(dòng)準(zhǔn)確識(shí)別云霧特征是具有可行性的。

裕?ü?ㄒ逶從蟯枷裼刖???斡成淶奈痹從蟯?像之間的一致性，解決了單向?qū)剐該p失對(duì)映射約束過弱的問題。Cycle-GAN的模型結(jié)構(gòu)如圖2.4所示，其具有兩個(gè)生成器與兩個(gè)判別器，相當(dāng)于由兩個(gè)單向GAN模型組合而成。生成器G和判別器D可以看作是一個(gè)正向的GAN，生成器G用于學(xué)習(xí)域到域的映射，而判別器D用于判斷輸入圖像是否符合域數(shù)據(jù)分布，從而指導(dǎo)生成器產(chǎn)生與域圖像更為相似的圖像。而生成器F和判別器D可以看作是一個(gè)反向的GAN，生成器F用于學(xué)習(xí)域到域的映射，而判別器D用于區(qū)分輸入圖像是否是否符合域數(shù)據(jù)分布。圖2.4Cycle-GAN基本框架（Zhuetal.,2017）循環(huán)一致性損失的設(shè)計(jì)如圖2.5所示，其中包含完全對(duì)稱的正向損失（左）與反向損失（右）兩個(gè)部分。正向循環(huán)一致性損失表示為→()→(())≈，其中()表示由通過映射生成的偽域圖像，(())表示該偽域圖像再通過逆映射生成的偽域圖像�；谂c(())之間的一致性，可評(píng)估正向循環(huán)一致性損失，二者一致性越高，則損失越低。反向循環(huán)一致性損失則與正向的損失完全相反，表示為→()→(())≈，該過程不再贅述。

【參考文獻(xiàn)】：
期刊論文
[1]基于全變分模型的多時(shí)相遙感影像厚云去除算法[J]. 王睿,黃微,胡南強(qiáng).  計(jì)算機(jī)應(yīng)用. 2020(07)
[2]基于生成對(duì)抗網(wǎng)絡(luò)的遙感圖像去云算法[J]. 李華瑩,林道玉,張捷,劉必欣.  計(jì)算機(jī)與現(xiàn)代化. 2019(11)
[3]基于Sentinel-1/2的水體提取方法對(duì)比研究——以斯里蘭卡小型水體為例[J]. 周晗,葉虎平,魏顯虎,張宗科,王法溧,齊永菊,馬建如.  中國(guó)科學(xué)院大學(xué)學(xué)報(bào). 2019(06)
[4]GF-2支持下的干旱區(qū)稀疏植被區(qū)植被覆蓋度估算[J]. 沈謙,朱長(zhǎng)明,張新.  測(cè)繪通報(bào). 2019(07)
[5]基于暗通道先驗(yàn)的單幅圖像快速去霧方法[J]. 湯群芳,楊杰,劉海波,李祖林,王福建.  光子學(xué)報(bào). 2017(09)
[6]改進(jìn)HOT的高分影像自動(dòng)去薄云算法[J]. 劉澤樹,陳甫,劉建波,孫業(yè)超.  地理與地理信息科學(xué). 2015(01)
[7]支持向量機(jī)技術(shù)在土地利用監(jiān)測(cè)的應(yīng)用研究[J]. 李平,吳曼喬,曾聯(lián)明.  測(cè)繪通報(bào). 2010(08)
[8]基于同態(tài)濾波的彩色圖像光照補(bǔ)償方法[J]. 焦竹青,徐保國(guó).  光電子.激光. 2010(04)
[9]遙感科學(xué)與技術(shù)中的一些前沿問題[J]. 宮鵬.  遙感學(xué)報(bào). 2009(01)
[10]基于ASTER遙感影像的亞熱帶植被覆蓋度信息提取[J]. 陳小娟,陳健飛.  測(cè)繪與空間地理信息. 2008(05)

博士論文
[1]基于半監(jiān)督集成支持向量機(jī)的土地覆蓋遙感分類方法研究[D]. 劉穎.中國(guó)科學(xué)院研究生院(東北地理與農(nóng)業(yè)生態(tài)研究所) 2013

碩士論文
[1]基于對(duì)抗生成網(wǎng)絡(luò)的遙感圖像薄云去除算法的研究[D]. 王征明.燕山大學(xué) 2019
[2]基于暗通道先驗(yàn)條件復(fù)原霧化影像[D]. 儲(chǔ)鼎.中國(guó)地質(zhì)大學(xué)（北京） 2013



本文編號(hào)：3487613