U型架构的网络在遥感影像去云中应用广泛,并取得了显著效果.然而,大多数U型架构去云算法编解码之间传输的仅是单一感受野特征,导致对应层级解码层接收到的信息受限,去云影像存在空间细节信息的损失.此外,大多数U型网络的输出仅以解码层中尺寸最大的特征为出口,忽略了对其他各层级解码特征的有效利用,导致纹理结构信息重构不理想.为了解决这些问题,提出了一个基于感受野扩大与解码特征增强的U型去云网络.具体来说,在各级编解码层之间依次加入不同数量感受野自适应扩大模块,实现编解码之间传输信息的感受野自适应扩大;在解码层不同层级之间逐级加入层级交互模块并上采样至输出尺寸大小再进行通道串联,实现解码特征的增强.此外,现有公开去云数据集未能考虑不同云层厚度对去云的影响,对此,提出了1个含有薄云、中云、厚云3个子集的合成数据集,每个子集包含5种地物类型.在所提出的合成数据集和1个公开的真实数据集上,与近年来提出的5种优秀算法相比,所提出的方法取得了最好的客观评价指标和视觉效果.
NETL
NSTL
万方数据
