数字农科院2.0

基于混合注意力生成对抗网络的遥感图像去雾研究

文献类型： 中文期刊

作者： 马六;毛克彪;郭中华

作者机构：

关键词： 遥感图像;深度学习;生成对抗网络;高效通道注意力模块;空间注意力模块

期刊名称：智慧农业(中英文)

ISSN： 2096-8094

年卷期： 2025 年 中英文 期

页码：

收录情况： CSCD（2025-2026年度） ; ; 科技核心（2024版） ; ; 农林核心（2024版）

摘要： [目目的/意意义]近年来，随着深度学习技术的迅猛发展，遥感图像去雾技术也取得了显著的进展，尤其是在引入注意力机制以增强特征学习方面表现出色。然而，传统的注意力方法通常依赖全局平均池化来聚合特征信息，导致模型对特定影响点的敏感性较高，难以有效应对遥感图像中常见的雾霾问题。此外，遥感图像的采集范围广泛，且农业、城市规划等领域对图像的质量要求越来越高，这对去雾技术提出了更高的挑战。[方法]本研究提出了一种混合注意力生成对抗网络（HAB-GAN）。该模型通过结合高效通道注意力模块与空间注意力模块，嵌入生成对抗网络架构中，实现了对遥感图像去雾效果的显著提升。高效通道注意力模块通过降低全局特征聚合中的冗余信息，既保留了性能，又减少了模型复杂度；空间注意力模块则从局部到全局对遥感图像中的雾化区域进行识别和聚焦，增强了对这些区域的恢复能力。这种方法能够更加有效地应对遥感图像中复杂多变的景观，尤其适用于农业等需要高质量遥感数据的领域。[结果与讨论]在RESISC45数据集上，与现有的其他注意力机制去雾模型，如SpA GAN和HyA-GAN进行比较，HAB-GAN模型去雾效果更优，其中峰值信噪比（PSNR...

分类号：

  • 相关文献

[1]基于混合注意力生成对抗网络的遥感图像去雾方法. 马六,毛克彪,郭中华. 2025

[2]2019-2021年三都澳近海岸海面目标可见光遥感图像数据集. 郭旭阳,曹姗姗,满芮,曾一鸣,王亿,古丽米拉·克孜尔别克,孙伟. 2023

[3]基于半监督深度卷积生成对抗网络的不平衡自然老化大豆种质活力高光谱检测. 李飞,王自强,武晶,辛霞,李春梅,徐虎博. 2025

[4]Study on Recognition of Typical Curing Stages of Jiangxi Tobacco Leaves Based on Image Processing. 段史江,,刘浩,,王爱华,,胡毅翀,,齐飞,,胡强. 2024

[5]Study on Discriminant Model of Flue-curing Stage of Tobacco Leaves in Curing Process. 王志诚,,孟令峰,,王松峰,,谢良文,,李文刚. 2024

[6]基于Log-Gabor小波和Krawtchouk矩的遥感图像分类. 吴一全,陶飞翔,曹照清. 2016

[7]基于局部空间信息KFCM的遥感图像聚类算法. 吴一全,沈毅,陶飞翔. 2014

[8]典型温性草原遥感图像地表物分类方法的研究. 包宝小,潘新,马玉宝,刘霞,罗小玲. 2015

[9]基于小波变换和核独立分量分析的遥感图像变化检测. 吴一全,曹照清. 2013

[10]基于半监督学习的无线网络攻击行为检测优化方法. 王婷,王娜,崔运鹏,李欢. 2020

[11]基于深度学习框架的隐藏主题变量图模型. 吴蕾,张文生,王珏. 2015

[12]基于无人机遥感的盛花期薇甘菊爆发点识别与监测. 孙中宇,荆文龙,乔曦,杨龙. 2019

[13]基于词向量的检索扩展方法与农业领域实证. 吴蕾,梁晓贺,乌吉斯古楞,王瑞. 2019

[14]计算机视觉与深度学习在猪只识别中的研究进展. 刘峰,吴文杰,刘小磊,王欣然,方亚平,李国亮,杜小勇. 2023

[15]基于深度学习的图像分割在畜禽养殖中的应用研究进展. 姚超,倪福川,李国亮. 2023

[16]基于卷积神经网络的冬小麦麦穗检测计数系统. 张领先,陈运强,李云霞,马浚诚,杜克明. 2019

[17]基于深度卷积神经网络的红树林物种无人机监测研究. 黄亦其,刘琪,赵建晔,黄文善,孙中宇,乔曦. 2020

[18]卷积神经网络在高分辨率影像分类中的应用. 李贤江,陈佑启,邹金秋,石淑芹,郭涛,蔡为民,陈浩. 2019

[19]基于Sentinel-1A影像和一维CNN的中国南方生长季早期作物种类识别. 赵红伟,陈仲新,姜浩,刘佳. 2020

[20]基于非接触式的牛只身份识别研究进展与展望. 郭雷风,许贝贝. 2020

作者其他论文 更多>>