リモートセンシング画像は独特な取得方法のため、その収集過程でノイズの影響を受けやすく、情報の著しい劣化を引き起こし、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が困難である。そのため、自己教師あり画像ノイズ除去は人気の研究分野となっている。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、既存のノイズ除去方法では細部の欠失や背景のぼやけという問題がある。これに対し、本論文では特徴強化と対照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対比ブランチの二つの部分で構成される。ノイズ除去ブランチでは、まず特徴強化された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詳細特徴をそれぞれ取得する；次に、動的特徴強化モジュールを用いて受容野を拡大し、より多くの空間構造情報を融合する；最後に、画像再構成モジュール内で動的適応混合操作により深層と浅層の情報フローを保持する。対比ブランチでは、本アルゴリズムは対照学習戦略を通じてノイズ画像が持つ情報を十分に利用し、新しい対照知覚損失を構築し、再構成損失および全変動損失と組み合わせて、ノイズ除去画像の滑らかさと細部保持能力を評価し、背景ぼやけ現象を効果的に低減する。最後に、NWPU-RESISC45とUC Merced Land Useの二つのデータセットで、本手法を他のノイズ除去法と比較した。結果は、本手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た。さらに、スパックルノイズ、ストライプノイズ、実際のノイズを含むリモートセンシング画像に対しても、優れたノイズ除去効果を示した。

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;対照学習;対照知覚損失;細部保持