APP下载

一种阶梯型多尺度神经网络条带噪声降噪模型

2023-07-21苏国辉史升凯

计算机技术与发展 2023年7期
关键词:模型

王 诏,王 燕,苏国辉,史升凯

(青岛海洋地质研究所,山东 青岛 266071)

0 引 言

中国遥感卫星初步具备了全天时、全天候观测能力[1],形成的遥感影像大数据已深入应用到各行各业,对国民生活和经济发展起到重要支撑作用[2]。但在遥感影像采集系统中,受光线变化及线阵相机硬件影响,成像过程中存在辐射响应非均匀性、不同行或列读出电路不一致等问题[3],在扫描方向上容易产生条带噪声。这种噪声会对遥感影像质量及后续分析产生极大影响,因此去除条带噪声是遥感影像预处理的关键一环。目前高分遥感影像分辨率能达到亚米级[4],每个像素都包含了大量信息,因此对遥感影像进行降噪时需要最大化保留影像细节特征。而传统图像降噪方法如灰度信息统计法、数字滤波法[5-7],存在噪声去除“不干净”、丢失图像细节信息、图像模糊等问题,对图像细节处理表现欠佳。

随着大数据、计算机硬件的快速发展,基于卷积神经网络的机器学习算法在图像降噪[8]、图像识别[9-10]、语义分割[11]等计算机视觉领域展现出了巨大潜力,这为遥感影像大数据降噪提供了参考技术与方法。Jain 等[12]在2008年率先利用CNN处理自然图像的去噪问题,并且得到了与小波变换和马尔可夫随机场相近或更优的去噪结果;Zhang等[13]提出了一种针对高斯噪声的去噪模型DnCNN,结合残差学习和批量归一化(BN)技术提高了模型的降噪性能;Isogawa等[14]使用弹性收缩方法作为神经网络模型的激活函数,并提出了一种针对弹性收缩阈值的比例系数优化方法;Han等[15]提出了一种深度残差学习结合U型网络模型(Unet),用于预测稀疏角度的低剂量CT重建,该方法能较好提取图片中的噪声和条纹伪影特征。……

登录APP查看全文

猜你喜欢

模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用