.png){kind=icon}
返回
An automatic remote sensing image shadow compensation method utilizing reflectance differences and transfer learning
.png){kind=icon}
OA
AI
DOI：10.1080/15481603.2025.2487334.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
阴影在遥感图像（RSIs）中不可避免地存在，其特征为分辨率较低、存在混合像素和多样化的背景信息。这些特征对RSIs中阴影的自动补偿构成了巨大挑战。为解决这些问题，本文提出了一种使用自动模拟数据进行训练的方法，以实现真实的阴影补偿。在数据模拟过程中，我们全面考虑了RSIs中阴影的分布、空间范围、形态学以及其他属性，以及地面特征的反射率差异。并提出了一个轻量级阴影补偿框架来进行阴影补偿。具体而言，在初级阶段采用了一种阶梯式分层上下文聚合模块，以整合对阴影补偿更为重要的全局和局部纹理信息。随后，使用U型端到端结构来感知阴影和图像特征。然后，提出了一种基于缓冲区的掩码注意力模块，以增强网络对阴影及其边界的关注度。最后，利用额外的基于高分辨率的残差连接来获取最终输出。这种连接有效地保持了图像的连续性。该方法通过两个不同分辨率的遥感图像数据集进行了验证，并取得了良好的结果。
Keyword:
Remote sensing image
Shadow compensation
deep learning
hierarchical context aggregation
mask attention
期刊
IF:
6.9
论文数:
1.1K
被引数:
4.5K
机构
引用论文
Shadow removal based on separated illumination correction for urban aerial remote sensing images.png)
SIGNAL PROCESSING
SIGNAL PROCESSINGIF3.6
PREAI
分享收藏
Shadow Analysis Technique for Extraction of Building Height using High Resolution Satellite Single Image and Accuracy AssessmentThe International Archives of the Photogrammetry, Remote Sensing and Spatial Information SciencesOAAI
The International Archives of the Photogrammetry, Remote Sensing and Spatial Information SciencesIF0
OAAI分享收藏分享收藏
查看更多内容