摘要
本发明涉及影像去雾技术领域,公开了一种多光谱遥感卫星影像的去雾方法及系统,具体提出了一种结合大气散射模型与深度学习,并针对特定应用场景自适应优化的多光谱遥感卫星影像的去雾方案。通过大气散射模型估算透射率和大气光值,为深度学习网络提供物理约束。在场景识别阶段,通过多尺度特征提取、自适应特征聚合和自监督学习机制,准确识别影像的场景类型。在去雾阶段,根据识别的场景动态调整物理约束权重和多波段融合权重,确保去雾结果符合大气物理规律和场景特征。从而有效提升了去雾影像的细节保留、色彩还原和物理一致性,增强了深度学习网络对复杂场景和多样化遥感影像的适应能力,有效减少了场景识别误差,进一步提升了去雾结果的质量和一致性。
技术关键词
深度学习网络
遥感卫星影像
卫星影像数据
场景分类
高层语义特征
约束特征
大气散射模型
多光谱遥感
场景类别
融合特征
多尺度特征提取
置信度阈值
多光谱特征
物理
海洋场景
注意力机制
标签
数据处理模块
系统为您推荐了相关专利信息
夜间车辆检测方法
蒙特卡洛
双向特征金字塔
检测网络模型
特征提取模块
磁共振图像数据
图像信噪比
深度学习方法
噪声模型
噪声图像
深度学习网络模型
网络拓扑结构
模态特征
数据处理模块
注意力机制
深度学习网络模型
剩余使用寿命
接收系统
大数据分析算法
管理方法