Debido a las limitaciones derivadas del entorno de imagen, los sensores y otros factores, las imágenes satelitales de alta resolución están sujetas a interferencias nubosas, lo que afecta gravemente la calidad de las imágenes y su posterior interpretación inteligente. Gracias a su poderosa capacidad de aprendizaje de características, el aprendizaje profundo ha sido ampliamente utilizado en la eliminación de interferencias nubosas en imágenes satelitales en los últimos años. Dado que los métodos actuales de eliminación de interferencias nubosas en imágenes satelitales a menudo tienen dificultades para preservar los detalles de la textura del borde de las imágenes, en este artículo se propone un algoritmo de eliminación de nubes basado en redes generativas adversarias que utilizan un mecanismo de atención. En primer lugar, se diseña un módulo de residuos de Fourier para integrar la información residual de baja y alta frecuencia de las capas nubosas en las imágenes; luego, utilizando un mecanismo de atención desde los canales y el espacio, se obtiene información sobre la distribución espacial de las capas nubosas y guía la eliminación de nubes; finalmente, el modelo se entrena bajo una función de pérdida conjunta para asegurar la coherencia del contenido entre las imágenes generadas y las imágenes reales. Los resultados de los experimentos en el conjunto de datos de imágenes satelitales RICE muestran que el método propuesto de eliminación de nubes en imágenes satelitales basado en el mecanismo de atención y las redes generativas adversarias puede conservar eficazmente los detalles de textura del borde de las imágenes y lograr excelentes resultados cuantitativos y visuales.

Eliminación de nubes en imágenes satelitales; residuo de Fourier; atención de canales y espacio; red generativa adversaria; distribución espacial de nubes