买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:电子科技大学
摘要:本发明公开了一种基于全局‑局部融合变换器的密度感知云去除方法,通过使用云覆盖类别标签引导高光谱的云覆盖图像不同通道间的信息流,从而提高云去除的精度;具体而言,将云覆盖图像的特征首先线性变换为查询、键和值,然后计算自注意力权重,并利用云覆盖类别标签优化注意力图,最终通过全局融合方法引导光学云覆盖图像中所有局部窗口特征之间的关系,显著提升云去除的精度和效果。
主权项:1.一种基于全局-局部融合变换器的密度感知云去除方法,其特征在于,包括以下步骤:1、提取云覆盖图像的浅层特征;Gmsi=SFEmsiJ其中,Gmsi表示云覆盖图像的浅层特征,SFEmsi·是浅层特征提取函数,J表示云覆盖图像;2、提取云覆盖类别;将浅层特征Gmsi进行展平处理,再将展平后的特征输入至云层密度分类器,得到云覆盖类别Glabel,并将云覆盖类别Glabel扩展到与浅层特征Gmsi相同的空间维度;3、通过全局-局部融合变换器对云覆盖图像进行云去除操作;3.1、设全局-局部融合变换器包含N层,每层由密度感知全局上下文交互模块以及空间特征变换模块组成;3.2、将浅层特征Gmsi和云覆盖类别Glabel作为全局-局部融合变换器输入的初值,记为3.3、计算全局-局部融合变换器第i层的输入与 其中,DGCI·表示密度感知全局上下文交互模块,SFT·表示空间特征变换模块;3.4、将浅层特征转换成带云图像的查询特征键特征值特征将云覆盖类别转换成云覆盖类别的查询特征键特征值特征3.5、计算带云图像特征变换矩阵和云覆盖类别特征变换矩阵 其中,d为查询矩阵或对应的行数,上标T表示转置,B为可学习的位置编码矩阵;3.6、通过门控函数得到云覆盖引导的带云图像特征变换矩阵 其中,Gate·表示调节注意力权重的门控函数,⊙表示逐元素乘法;3.7、计算全局-局部融合变换器第i层中密度感知全局上下文交互模块输出的带云图像特征以及云覆盖类别特征 3.8、将第i层中密度感知全局上下文交互模块输出的带云图像特征与云覆盖类别特征输入至空间特征变换模块,生成缩放参数γ和偏移参数β的母参数g; 其中,ReLU·表示激活函数,Conv·表示卷积操作;3.9、根据母参数g确定缩放参数γ和偏移参数β; γ=Sigmoidγ其中,split·表示分割函数,Sigmoid·表示激活函数;3.10、根据缩放参数γ和偏移参数β调整带云图像特征 3.11、重复步骤3.3~3.10,得到全局-局部融合变换器每层调整后带云图像特征3.12、重建高质量的无云图像JD; 其中,IR·表示无云图像重建函数。
全文数据:
权利要求:
百度查询: 电子科技大学 基于全局-局部融合变换器的密度感知云去除方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。