基于深度学习的毫米波和亚毫米波成像仪的图像增强技术

• 作者: LIGTHART Leo P. 安大伟 岳芬 张文龙 王璐 胡伟东 陈实
• 来源期刊: 上海航天
• 学科: 工学
• 关键词: 超分辨率 卷积神经网络 双三次插值 毫米波和亚毫米波成像仪 图像增强 非过采样数据 亮温图像
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 创新与探索
• 页码范围: 13-19
• 页数: 7页
• 分类号: TP751
• 字数: 4721字
• 语种: 中文
• DOI: 10.19328/j.cnki.1006-1630.2018.02.002

摘要

风云四号卫星毫米波和亚毫米波成像仪(MMSI)数据根据采样方式分为过采样和非过采样数据.由于采样方式的影响,非过采样数据在采样过程中会有一定的信息损失.为解决采用简单的线性插值方法做精细化处理时提升精度有限问题,采用基于深度学习的方法增强MMSI亮温图像,设计卷积神经网络重建风云四号卫星MMSI的亮温图像和风云三号卫星微波成像仪亮温图像.实验结果显示:相比传统的双三次插值方法,在风云三号卫星微波成像仪亮温图像样本上峰值信噪比提升了1.13 dB,结构相似度提升了0.01.实验结果表明:对于非过采样亮温数据,采用基于深度学习的方法增强图像具有更高的精度,同时可在其他微波探测仪数据中使用,具有很强的普适性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡伟东		17	110	6.0	10.0
2	陈实		119	1195	18.0	29.0
3	安大伟		13	23	3.0	4.0
4	王璐		10	22	2.0	4.0
5	张文龙		1	0	0.0	0.0
6	岳芬		1	0	0.0	0.0