WEGLA-NormGAN:一种基于小波增强技术的循环生成对抗网络(Cycle-GAN),结合全局-局部注意力机制,用于遥感图像的辐射度规范化处理
《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》:WEGLA-NormGAN: wavelet-enhanced Cycle-GAN with global-local attention for radiometric normalization of remote sensing images
【字体:
大
中
小
】
时间:2026年01月20日
来源:ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING 12.2
编辑推荐:
甘文霞|冯宇|苗建浩|李兴华|沈焕峰武汉理工大学计算机科学与工程学院,中国武汉430205摘要卫星遥感图像的多样性显著增强了观测地球表面信息的能力。然而,来自不同传感器平台的多时相光学遥感图像通常存在较大的辐射度差异,并且难以获得重叠的参考图像,这为无缝的大规模镶嵌带来了关键挑战
甘文霞|冯宇|苗建浩|李兴华|沈焕峰
武汉理工大学计算机科学与工程学院,中国武汉430205
摘要 卫星遥感图像的多样性显著增强了观测地球表面信息的能力。然而,来自不同传感器平台的多时相光学遥感图像通常存在较大的辐射度差异,并且难以获得重叠的参考图像,这为无缝的大规模镶嵌带来了关键挑战,包括全球辐射度不一致性、局部过渡不平滑以及可见的接缝线问题。现有的传统方法和深度学习方法在配对数据集上可以取得合理的性能,但在平衡空间结构完整性和提高辐射度一致性以及泛化到未见图像方面往往面临困难。为了解决这些问题,我们提出了一种基于小波增强的辐射度标准化网络WEGLA-NormGAN,该网络能够生成具有良好辐射度一致性和空间保真度的标准化图像。该框架整合了频域和空域信息,以实现一致的多尺度辐射度特征建模,同时确保空间结构保真度。首先,引入小波变换来有效分离图像中的辐射度信息和结构特征,从而增强辐射度特征的表现力和边缘纹理的保留。其次,将具有多尺度建模优势的U-Net架构与包含残差结构的自适应注意力机制相结合。这种混合设计采用统计对齐策略,高效提取全局浅层特征和局部统计信息,适应性调整未见数据的动态注意力,减轻局部失真,提高辐射度一致性,并实现高保真度的空间结构保留。所提出的框架生成的标准化图像在辐射度一致性和空间保真度方面达到了和谐统一,即使在未见场景下也能实现出色的辐射度标准化。我们在两个公共数据集和一个自构建的数据集上进行了广泛实验。结果表明,WEGLA-NormGAN在跨时相场景和跨时空场景中的辐射度一致性、结构保真度和鲁棒性方面均优于七种最先进的方法。代码可在以下链接获取:
https://github.com/WITRS/WeGLA-Norm.git
引言 辐射度一致性是有效利用多时相和多源遥感(RS)图像的基本前提,特别是在环境变化分析(Wen等人,2021年;Gan等人,2025年)和区域镶嵌等大规模应用中。由于成像条件、传感器参数、大气影响和成像几何学的差异,光学RS图像常常存在辐射度不一致性问题。因此,同一对象在多个遥感图像中的表现不同,具体表现为不同图像之间的亮度和对比度变化(Xu等人,2023年)。对于大范围区域,这些不一致性不仅会降低视觉连续性,还会影响下游分析任务的准确性。这凸显了为大面积图像集成定制的鲁棒辐射度标准化技术的必要性。
辐射度标准化(RN)旨在消除辐射度不一致性,它可以简要分为绝对辐射度标准化(ARN)和相对辐射度标准化(RRN)方法(Gan等人,2020年;Zhang等人,2022年)。ARN基于物理建模,例如大气校正算法(如FLAASH、MODTRAN(Sartika等人,2023年;Lamb等人,2023年)和地形校正方法,其目的是恢复跨传感器的真实表面反射率。然而,这些方法严重依赖精确的大气参数和传感器校准数据,而这些数据在实践中往往不可用或难以获取。RRN方法,如基于伪不变特征(PIF)的回归(Moghimi等人,2021a)、迭代加权多变量改变检测(IR-MAD)(Canty等人,2008年)、SVR-RRN和3D滤波方法(Gan等人,2020年),则直接从图像(通常称为参考图像或主从图像)建立统计关系,从而无需外部输入即可进行高效校正。然而,这些依赖图像的方法通常由于数据要求和简单模型处理复杂关系能力的不足而泛化能力较弱。
最近,深度学习作为一种强大的替代方案出现,其中生成对抗网络(GANs)(Goodfellow等人,2014年)在学习多源RS数据之间的复杂非线性映射方面显示出特别的前景。MOSTGAN(Ma等人,2022年)、ACGAN(Odena等人,2017年)和RS-NormGAN(Miao等人,2025年)等网络已经证明了它们在异构场景中的良好泛化能力,并且无需显式的大气参数或传感器校准数据即可进行稳健的辐射度校准。
然而,现有的基于GAN的方法仍面临一些关键挑战(Miao等人,2025年):首先,卷积架构中的多尺度特征提取机制倾向于过度平滑高频纹理,导致标准化输出中细节结构的丢失。其次,这些模型通常无法泛化到具有极端辐射度变化的未见场景,因为跨域光谱分布的差异。第三,主体图像和参考图像之间的空间异质性,加上卷积操作的平滑效果,可能会不希望地抑制地表元素之间的辐射度对比度,从而影响标准化结果的语义可解释性。
为了解决上述挑战,我们做出了以下关键贡献:
• 提出了一种名为WEGLA-NormGAN的新型深度学习基于RRN的方法,能够对大面积的多源RS图像进行标准化。由于采用了全局-局部自适应注意力机制,它可以泛化到未见RS图像。
• 引入了一种基于小波增强的网络策略作为频率解耦的图像处理模块,用于分解遥感图像中的光谱和空间信息,有效保留结构细节的同时实现图像辐射度一致性。
• 将一种新颖的亮度保持损失函数结合到WEGLA-NormGAN中。与辐射度损失函数结合使用,专门用于保留图像中不同对象之间的判别性亮度变化。
部分片段 相关工作 遥感图像的RN已经从传统的统计方法发展到基于深度学习(DL)的方法。本节系统地回顾了传统的RN方法和基于深度学习的发展。
提出的模型概述 图1展示了所提出的WEGLA-NormGAN框架的总体架构,该框架旨在通过多维特征解释和纹理保留来应对具有土地覆盖复杂性的RS图像的辐射度异质性挑战。该框架从频率解耦过程开始,将原始RS图像分解为全局辐射度信息和结构纹理信息。这种分离使模型能够独立处理
数据集 本研究使用了三个互补的数据集来全面评估WEGLA-NormGAN的性能:MtS-WH(Wu等人,2016年)关注相同区域的重叠区域以验证局部一致性,由我们构建的Cross-Resolution Remote Sensing数据集(CRRS-WH)覆盖不同场景之间的非重叠区域以测试跨区域泛化能力,而Armin Moghimi提出的辐射度标准化数据集(以下简称RS-AFG)
比较实验 尽管在RN方面有很多研究,但大多数研究使用不同的网络架构和不同的数据集设置。我们选择了七种最近的方法进行比较:直方图匹配(Jensen,1996年)、Wallis过滤(Li等人,1999年)、GMM(Ghanbari等人,2018年)、LIRNN(Moghimi等人,2024年)、DEADiff(Qi等人,2024年)、CycleGAN(Zhu等人,2017年)和AdaAttN(Liu等人,2021年)。直方图匹配、Wallis过滤、GMM和LIRNN是传统的辐射度标准化方法。
结论 所提出的WEGLA-NormGAN实现了对大面积多源遥感图像的RRN,提高了图像质量,并在处理未见图像时表现出良好的泛化性能。总体而言,它通过三种架构设计整合了三种互补的遥感图像RN机制:由对抗性和亮度损失函数引导的循环一致性生成框架、通过小波变换的频率解耦策略以及自适应
CRediT作者贡献声明 甘文霞: 撰写 – 审稿与编辑、资金获取、概念化。冯宇: 撰写 – 审稿与编辑、初稿撰写、方法论、形式分析。苗建浩: 撰写 – 审稿与编辑、可视化、验证、方法论。李兴华: 方法论、概念化。沈焕峰: 验证、监督、概念化。
利益冲突声明 作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。
致谢 本研究部分得到了国家自然科学基金(项目编号42471388)和湖北省教育厅科研计划指导项目(项目编号B2023042)的支持。我们感谢吴晨教授提供MtS-WH数据集,以及童新怡分享的GID数据集。同时感谢武汉理工学院的文大为博士在修订过程中对我们的支持。也感谢审稿人和编辑们的
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号