改进CGAN网络的光学遥感图像云去除方法

裴 傲，陈桂芬，李昊玥，王 兵

·农业信息与电气技术·

改进CGAN网络的光学遥感图像云去除方法

裴 傲，陈桂芬※，李昊玥，王 兵

（吉林农业大学信息技术学院，长春 130118）

农业生产中使用的光学遥感图像在采集过程中时常受到云层的影响，导致获取到的图像清晰度低，影响地物信息的判读和后续的使用。针对这一问题，提出一种基于改进条件生成对抗网络（Conditional Generative Adversarial Net-work，CGAN）的光学遥感图像去云方法。首先，在原始CGAN的生成器中引入空间池化层，通过增加网络的多尺度特征学习能力以提高生成图像的细节信息；其次，在改进CGAN网络中加入回归损失使生成图像与真实图像更加接近，进一步提高生成效果。在光学遥感图像数据集上的试验结果表明：相比原始CGAN，改进CGAN生成的无云光学遥感图像更接近真实无云光学遥感图像，与原始CGAN相比，改进CGAN在薄云和厚云光学遥感图像上的峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）分别提升了1.64和1.05 dB，结构相似性（Structural SIMilarity，SSIM）分别提升了0.03和0.04。同时，相较于传统的去云方法和深度学习的Pix2Pix方法，该方法在光学遥感图像去云和保真上均取得了更好的效果。研究结果证明了改进的CGAN方法实现光学遥感图像去云的可行性，可为农用光学遥感图像的处理提供方法借鉴。

遥感；光学图像；去云；条件生成对抗网络；空间金字塔池化；多尺度特征提取

0 引 言

随着遥感技术的迅速发展，光学遥感图像在作物分类[1-2]、作物产量预测[3-4]、作物长势监测[5]等农业生产领域得到了广泛的应用，但是农用的光学遥感图像在采集过程中极易受到天气的影响，尤其是云层的影响比较明显。……