リモートセンシング画像は独特の取得方法により、その収集過程でノイズ干渉を受けやすく、情報が深刻に劣化しますが、現実世界では同一シーンのクリーン画像とノイズ画像の対を取得することは困難です。したがって、自己教師あり画像ノイズ除去は注目される研究分野となっています。複雑なテクスチャを持つリモートセンシング画像に対して、既存のノイズ除去手法は細部の喪失や背景のぼやけという問題があります。これに対し、本論文では特徴強化とコントラスト学習に基づく自己教師ありリモートセンシング画像ノイズ除去アルゴリズムを提案し、ノイズ除去ブランチとコントラストブランチの二つの部分で構成されます。ノイズ除去ブランチでは、まず特徴強化型畳み込みオートエンコーダノイズ除去ネットワークを設計し、グローバル特徴抽出モジュールと注意抽出モジュールを導入して、異なるスケールの浅層輪郭特徴と局所的な細部特徴をそれぞれ取得します。次に、動的特徴強化モジュールを利用して受容野を拡張し、より多くの空間構造情報を融合します。最後に、画像再構成モジュールにおいて動的適応混合操作によって深層と浅層の情報フローを保持します。コントラストブランチでは、コントラスト学習戦略を通じてノイズ画像が持つ情報を十分に活用して新しいコントラスト認知損失を構築し、再構成損失と総変動損失を組み合わせてノイズ除去画像の滑らかさと細部保持能力を評価し、背景のぼやけを効果的に軽減します。最後に、NWPU-RESISC45とUC Merced Land Useの二つのデータセットで提案方法を他のノイズ除去方法と比較しました。結果は、提案方法がガウスノイズにおいて平均ピーク信号対雑音比を1.47〜4.34 dBおよび2.06〜4.95 dB向上させ、平均構造類似度を2.3％〜11.8％および2.6％〜11.5％向上させたことを示しています。さらに、スパッターノイズ、ストライプノイズ、リアルノイズのリモートセンシング画像においても、本方法は良好なノイズ除去効果を得ました。

リモートセンシング;画像ノイズ除去;深層学習;自己教師あり学習;オートエンコーダ;コントラスト学習;コントラスト認知損失;細部保持