科技成果简介

成果名称:

国产气象卫星图像的智能缺陷检测与修复系统

项目负责人：

叶允明

所属领域:

人工智能、静止卫星、智慧气象

成果简介:

卫星由于其自身的机械抖动、所在的太空环境的辐射等因素，生成的图像存在一定的缺陷，例如坏点和坏线等，这些缺陷严重影响卫星图像在辐射传输计算、数值模式预报等方面的应用。因此对卫星图像的修复成为一个重要任务。尽管国内外关于卫星图像图像修复已经开展了一些研究工作，目前的效果仍较差强人意。本成果针对上述问题，基于国产风云一号卫星采集的卫星图像开展了研究。

为了解决普通图像模型预测结果存在的结构不准确、内容模糊等问题，本成果首先提出了基于多种显式结构推理的卫星图像修复模型StructureConnect。StructureConnect模型将图像修复分为两个阶段，先显式地进行边缘和阈值分割图像的推理，之后再结合这些结构信息对图像进行纹理方面的修复。模型中阈值分割图像预测网络有助于改善边缘预测网络样本不均衡，连续性差等问题。实验表明，在不同的噪声水平下，StructureConnect模型的PSNR比基准模型EdgeConnect提升了大约0.2db。

为了更好地利用卫星图像其他通道的信息进行图像修复，我们基于样例生成对抗网络提出了ExUGANs模型。ExUGANs为了更好地融入其他通道的信息，采用了多任务学习的框架，在图像修复任务的基础上增加了额外的参考图片等效映射任务。两个任务采用了共享编码器和独立解码器的结构，使得编码器更好地学习到参考图片的特征表示，提高了模型的泛化能力。同时，为了缓解模型中瓶颈结构的信息损失和输入中缺陷区域跟周围区域的不一致性，我们还在模型中引入了U-Net结构和门控卷积。实验表明，在不同的噪声水平下，ExUGANs模型的PSNR相对于基准模型ExGANs提升了大于1.5db。

主要技术特点：

为了解决普通图像模型预测结果存在的结构不准确、内容模糊等问题，本成果首先提出了基于多种显式结构推理的卫星图像修复模型StructureConnect。为了更好地利用卫星图像其他通道的信息进行图像修复，我们基于样例生成对抗网络提出了ExUGANs模型。

应用范围：

卫星图像图像修复

照片资料：

图片1 示例1

图片2 示例2