نظرًا للطريقة الفريدة التي يتم بها الحصول على صور الاستشعار عن بعد، فإن عملية جمعها عرضة لتداخل الضوضاء، مما يؤدي إلى تدهور خطير في المعلومات، ومن الصعب في العالم الحقيقي الحصول على صور نظيفة وصور ضوضاء لنفس المشهد. لذلك، أصبح إلغاء الضوضاء التلقائي المراقب ذاتيًا اتجاهًا بحثيًا شائعًا. بالنسبة لصور الاستشعار عن بعد ذات النسيج المعقد، توجد مشكلات في الطرق الحالية لإلغاء الضوضاء مثل فقدان التفاصيل وتشويش الخلفية. لذلك، يقترح هذا البحث خوارزمية لإلغاء الضوضاء الذاتية المراقبة لصور الاستشعار عن بعد تعتمد على تعزيز الميزات والتعلم التبايني، وتتكون من فرعين: فرع إلغاء الضوضاء وفرع المقارنة. في فرع إلغاء الضوضاء، تم تصميم شبكة إلغاء ضوضاء تشفيرية تلافيفية معززة بالميزات، تتضمن وحدة استخراج ميزات شاملة ووحدة استخراج انتباه للحصول على ميزات الخطوط العريضة السطحية وميزات التفاصيل المحلية بمقاييس مختلفة؛ ثم يتم توسيع مجال الاستقبال باستخدام وحدة تعزيز الميزات الديناميكية لدمج المزيد من المعلومات الهيكلية المكانية؛ وأخيرًا، في وحدة إعادة بناء الصورة، يتم الاحتفاظ بتدفق المعلومات السطحية والعميقة من خلال عمليات مزج ديناميكية وتكيفية. في فرع المقارنة، تستخدم الخوارزمية استراتيجية التعلم التبايني لاستغلال المعلومات التي تحملها الصور الصاخبة لبناء فقدان إدراكي تبايني جديد، جنبًا إلى جنب مع فقدان إعادة البناء والفقدان الكلي للتغير لقياس نعومة الصورة وأداء الحفاظ على التفاصيل، مما يقلل بشكل فعال من تشويش الخلفية. أخيرًا، تمت مقارنة الطريقة المقترحة مع طرق إلغاء الضوضاء الأخرى على مجموعتي بيانات NWPU-RESISC45 وUC Merced Land Use. أظهرت النتائج أن الطريقة المقترحة حسنت متوسط نسبة الإشارة إلى الضوضاء الذروية للضوضاء الغاوسية بمقدار 1.47-4.34 ديسيبل و2.06-4.95 ديسيبل، وزادت متوسط التشابه الهيكلي بنسبة 2.3%-11.8% و2.6%-11.5%. بالإضافة إلى ذلك، حققت الطريقة نتائج جيدة في إزالة الضوضاء في صور الاستشعار عن بعد التي تحتوي على ضوضاء نقطية، وضوضاء خطية و ضوضاء حقيقية.

الاستشعار عن بعد;إلغاء الضوضاء;التعلم العميق;التعلم الذاتي المراقب;المُشفِّر التلقائي;التعلم التبايني;فقدان الإدراك التبايني;حفظ التفاصيل