南京林业大学学报(自然科学版)

作者：朱嵩宇,李超,景维鹏

单位：<sup class=\mag-xml-aff-label-sup added-by-sys\>1</sup> 东北林业大学计算机与控制工程学院, 黑龙江 哈尔滨 150040,<sup class=\mag-xml-aff-label-sup added-by-sys\>2</sup> 哈尔滨职业技术大学电子与信息工程学院, 黑龙江 哈尔滨 150081

关键词：林业光学遥感影像,薄云去除,慢特征分析(SFA),生成对抗网络(GANs)

基金：黑龙江省杰出青年基金项目(JQ2023F002),中央高校基础研究基金项目(2572023CT16)

【目的】 针对光学遥感影像薄云去除后易出现影像失真、可用性降低的问题,提出一种融合慢特征分析(SFA)与生成对抗网络(GANs)的薄云去除方法(SFGAN),以提升影像质量,为林业遥感数据分析提供可靠支持。【方法】首先,设计慢变特征模块,通过计算初始影像的云反射率及高维特征慢变化度,将慢变特征向量与随机初始向量融合作为生成网络输入,增强生成器对云层特征的辨识能力;其次,利用云反射率作为鉴别器约束因子,通过对抗博弈迭代优化生成高质量无云影像,提升网络对云层与地物的区分能力。【结果】在公开数据集RICE1和PRSC上的试验表明:SFGAN模型在RICE1数据集上表现较为出色,无云影像的峰值信噪比(PSNR值)为33.740 7,结构相似性(SSIM值)为0.958 2;在PRSC数据集上,PSNR值为24.341 3,SSIM值为0.879 2,即本方法的性能量化指标及视觉质量均优于其他方法。基于Landsat 8影像的泛化实验进一步验证,SFGAN在真实云与模拟云场景中均能有效恢复地物细节,且处理单幅影像仅需0.98 s。【结论】SFGAN通过融合慢特征分析与生成对抗网络,能显著降低薄云对林业光学遥感影像的干扰,从数据源头提升影像可用性与分析准确性。

来源：2026年第1期

《南京林业大学学报(自然科学版)》期刊编辑部

查看南京林业大学学报(自然科学版)杂志2026年第1期