Из-за уникального способа получения изображений дистанционного зондирования процесс их сбора легко подвергается помехам шума, что приводит к серьезной деградации информации, и в реальном мире трудно получить чистые и шумные изображения одного и того же сцены. Поэтому самоконтролируемое удаление шума изображений стало популярным направлением исследований. Для текстурно сложных изображений дистанционного зондирования существующие методы удаления шума страдают потерей деталей и размытием фона. В этой работе предлагается алгоритм самоконтролируемого удаления шума изображений дистанционного зондирования на основе усиления признаков и контрастного обучения, состоящий из двух частей: ветви удаления шума и ветви контраста. В ветви удаления шума сначала разработана сверточная автоэнкодерная сеть с усилением признаков, введены модули глобального извлечения признаков и внимания для получения контурных признаков мелкого масштаба и локальных детальных признаков на разных масштабах; затем используется модуль динамического усиления признаков для расширения поля восприятия и интеграции большего количества пространственной структурной информации; наконец, в модуле восстановления изображения через динамическую адаптивную смешанную операцию сохраняется поток информации как глубокой, так и мелкой слоев. В ветви контраста алгоритм с помощью стратегии контрастного обучения эффективно использует информацию, содержащуюся в шумных изображениях, для построения нового контрастно-восприятельного потерь, и совместно с потерей восстановления и общими вариационными потерями оценивает плавность и сохранение деталей удаляемых шумом изображений, эффективно уменьшая размытость фона. В конце метод сравнивается с другими методами удаления шума на наборах данных NWPU-RESISC45 и UC Merced Land Use. Результаты показывают, что предложенный метод повышает средний пиковый сигнал-шум отношения для гауссовского шума на 1,47–4,34 дБ и 2,06–4,95 дБ, а средний структурный коэффициент похожести на 2,3%–11,8% и 2,6%–11,5%. Кроме того, метод показывает хорошие результаты удаления шума на изображениях дистанционного зондирования с пятнистым шумом, полосатым шумом и реальным шумом.

дистанционное зондирование;удаление шума изображений;глубокое обучение;самоконтролируемое обучение;автоэнкодер;контрастное обучение;контрастные восприятельные потери;сохранение деталей