-
公开(公告)号:CN118411313B
公开(公告)日:2024-09-06
申请号:CN202410888726.7
申请日:2024-07-04
申请人: 中国石油大学(华东)
摘要: 本发明公开一种基于叠加注意力特征融合的SAR光学图像去云方法,属于图像去云技术领域,用于图像去云,包括得到预处理后的特征图输入至叠加注意力特征融合模块,对特征进行叠加融合,融合权重由SSCE动态生成;将得到的结果输入上采样层,生成无云图像;将无云图像与地面真实图像一同输入到判别器中,判别器分析输入图像,输出概率值用于表示图像来源,判别器不断判断进行学习和优化,生成器根据判别器的输出调整生成策略,通过反馈机制使生成器不断优化。本发明对图像特征进行有效捕捉和整合,深入且全面地解析图像内容;集中于图像中的关键信息,根据不同区域的信息重要性动态调整处理权重,识别和重建图像中的关键特征。
-
公开(公告)号:CN115908206A
公开(公告)日:2023-04-04
申请号:CN202310231086.8
申请日:2023-03-13
申请人: 中国石油大学(华东)
IPC分类号: G06T5/00 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/82
摘要: 本发明公开一种基于动态特征注意力网络的遥感图像去雾方法,属于一般的图像数据处理或产生技术领域,用于对遥感图像进行去雾处理,包括采用卷积层进行浅层特征提取,构建动态特征注意力模块,将浅层特征通过卷积层、激活层,然后与输入浅层特征进行元素相加,再通过一个卷积层得到特征映射,将特征映射作为动态特征注意力模块的输入,像素注意力模块的输出与浅层特征进行元素相加得到一个基本块的输出,最后一个基本块的输出经过卷积层并与浅层特征进行元素相加通过残差学习得到组结构的输出,组结构的输出经过两层的卷积层进行特征提取后,与输入图像进行元素相加,通过残差结构将遥感图像中的雾霾去除,获得去雾后的遥感图像。
-
公开(公告)号:CN118411313A
公开(公告)日:2024-07-30
申请号:CN202410888726.7
申请日:2024-07-04
申请人: 中国石油大学(华东)
摘要: 本发明公开一种基于叠加注意力特征融合的SAR光学图像去云方法,属于图像去云技术领域,用于图像去云,包括得到预处理后的特征图输入至叠加注意力特征融合模块,对特征进行叠加融合,融合权重由SSCE动态生成;将得到的结果输入上采样层,生成无云图像;将无云图像与地面真实图像一同输入到判别器中,判别器分析输入图像,输出概率值用于表示图像来源,判别器不断判断进行学习和优化,生成器根据判别器的输出调整生成策略,通过反馈机制使生成器不断优化。本发明对图像特征进行有效捕捉和整合,深入且全面地解析图像内容;集中于图像中的关键信息,根据不同区域的信息重要性动态调整处理权重,识别和重建图像中的关键特征。
-
公开(公告)号:CN116977204A
公开(公告)日:2023-10-31
申请号:CN202310763902.X
申请日:2023-06-27
申请人: 中国石油大学(华东)
IPC分类号: G06T5/00 , G06N3/0475 , G06N3/094 , G06N3/0464 , G06N3/045 , G06N3/048 , G06V10/771 , G06V10/80 , G06V10/82
摘要: 本发明公开一种基于选择性信息融合生成对抗网络的遥感图像去云方法,属于图像处理技术领域,包括将不同时态下多云的遥感图像输入生成器,经过初始模块生成特征图,中间模块从特征图中提取高级特征,保留信息的同时减少特征图的大小;使用通道注意力机制学习不同通道的重要性,通过调整通道权重增强特征图的重要特征,然后使用选择性信息融合模块进行特征融合,利用多个反卷积层将特征映射升级到原始输入图像的大小;最后生成器逐渐提高生成图像的质量,得到改进的去云效果。本发明自主选择性地聚焦无云区域的特征,从而提高对云区域下景观的恢复效果。
-
公开(公告)号:CN115908206B
公开(公告)日:2023-06-16
申请号:CN202310231086.8
申请日:2023-03-13
申请人: 中国石油大学(华东)
IPC分类号: G06T5/00 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/08 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/82
摘要: 本发明公开一种基于动态特征注意力网络的遥感图像去雾方法,属于一般的图像数据处理或产生技术领域,用于对遥感图像进行去雾处理,包括采用卷积层进行浅层特征提取,构建动态特征注意力模块,将浅层特征通过卷积层、激活层,然后与输入浅层特征进行元素相加,再通过一个卷积层得到特征映射,将特征映射作为动态特征注意力模块的输入,像素注意力模块的输出与浅层特征进行元素相加得到一个基本块的输出,最后一个基本块的输出经过卷积层并与浅层特征进行元素相加通过残差学习得到组结构的输出,组结构的输出经过两层的卷积层进行特征提取后,与输入图像进行元素相加,通过残差结构将遥感图像中的雾霾去除,获得去雾后的遥感图像。
-
-
-
-