نظرًا للطريقة الفريدة لاكتساب صور الاستشعار عن بعد، فإن عملية جمعها تتأثر بسهولة بالتداخل الضوضائي، مما يؤدي إلى تدهور المعلومات بشدة، ومن الصعب الحصول على صور نظيفة وضوضائية لنفس المشهد في العالم الواقعي. لذلك، أصبح التنقية الذاتية للصور مجال بحثي شائع. بالنسبة لصور الاستشعار عن بعد ذات النسيج المعقد، توجد مشاكل فقدان التفاصيل وتشويش الخلفية في طرق التنقية الحالية. بناءً على ذلك، تقدم هذه الورقة خوارزمية تنقية ذاتية للإشارات عن بعد تعتمد على تعزيز الخصائص وتعلم التباين، وتتكون من فرعين: فرع التنقية وفرع المقارنة. في فرع التنقية، تم تصميم شبكة تنقية باستخدام مشفر ذاتي تلافيفي معزز الخصائص، حيث تم إدخال وحدة استخراج الخصائص العالمية ووحدة استخراج الانتباه للحصول على خصائص المخطط السطحي على مقياس مختلف والخصائص التفصيلية المحلية. ثم، يتم توسيع مجال الاستقبال بفضل وحدة تعزيز الخصائص الديناميكية لدمج معلومات الهيكل المكاني بشكل أكبر. أخيرًا، يتم الحفاظ على تدفق المعلومات العميقة والسطحية من خلال عملية دمج ديناميكية وتكيفية في وحدة إعادة بناء الصورة. في فرع المقارنة، تستفيد الخوارزمية من المعلومات التي تحملها الصور الضوضائية باستخدام استراتيجية تعلم التباين لبناء خسارة إدراكية تباينية جديدة، وتستخدم خسارة إعادة البناء والخسارة الإجمالية للتغير لقياس نعومة التنقية والحفاظ على التفاصيل، مما يقلل بشكل فعّال من تشويش الخلفية. أخيرًا، تم مقارنة الطريقة المقترحة بطرق التنقية الأخرى على مجموعتي بيانات NWPU-RESISC45 وUC Merced Land Use. أظهرت النتائج أن الطريقة المحورية حسنت متوسط نسبة الإشارة إلى الضوضاء الذروية للضوضاء الغاوسية بمقدار 1.47-4.34 ديسيبل و2.06-4.95 ديسيبل، وزادت متوسط التشابه البنيوي بنسبة 2.3%-11.8% و2.6%-11.5%. بالإضافة إلى ذلك، حققت الطريقة نتائج جيدة في إزالة الضوضاء على صور الاستشعار عن بعد ذات ضوضاء النقط، والضوضاء الخطية، والضوضاء الحقيقية.

الاستشعار عن بعد;تنقية الصور;التعلم العميق;التعلم الذاتي;المشفر الذاتي;تعلم التباين;خسارة الإدراك التبايني;الحفاظ على التفاصيل