En raison des limitations liées à l'environnement d'imagerie, aux capteurs et à d'autres facteurs, les images satellitaires haute résolution sont sujettes à des interférences nuageuses, ce qui affecte gravement la qualité des images et leur interprétation intelligente ultérieure. Grâce à sa puissante capacité d'apprentissage des caractéristiques, l'apprentissage en profondeur a récemment été largement appliqué dans l'élimination des interférences nuageuses dans les images satellitaires. Étant donné que les méthodes actuelles d'élimination des interférences nuageuses dans les images satellitaires ont souvent du mal à préserver les détails de texture des bords des images, cet article propose un algorithme de suppression des nuages basé sur les réseaux génératifs antagonistes utilisant un mécanisme d'attention. Tout d'abord, un module de résidus de Fourier est conçu pour intégrer les informations résiduelles à basse et haute fréquence des couches nuageuses dans les images; puis, en utilisant un mécanisme d'attention à partir des canaux et de l'espace, les informations sur la distribution spatiale des couches nuageuses sont obtenues et guident la suppression des nuages; enfin, le modèle est formé sous une fonction de perte conjointe pour assurer la cohérence du contenu entre les images générées et les images réelles. Les résultats des expériences sur l'ensemble de données d'images satellitaires RICE montrent que la méthode proposée de suppression des nuages sur les images satellitaires basée sur le mécanisme d'attention et les réseaux génératifs antagonistes peut conserver efficacement les détails de texture des bords des images et atteindre d'excellents résultats quantitatifs et visuels.

Elimination des nuages sur les images satellitaires; résidu de Fourier; attention des canaux et de l'espace; réseau génératif antagoniste; distribution spatiale des nuages