Missing Data Reconstruction in Remote Sensing Image With a Unified Spatial–Temporal–Spectral Deep Co...

摘要

文章针对修复坏波段（AQUA B6），恢复条带损失，恢复云污染提出了一个深度学习网络结构，他说 To date, to the best of our knowledge, no studies investigating CNNs for the reconstruction of missing information in remote sensing imagery have made full use of the feature mining and nonlinear expression ability。大致就是他是第一个完全运用了CNN能力来修复数据的。

评价指标

和四种方法进行了比较 LF.  HMLLSF.  WCLF.  AWTC，指标有峰值信噪比，结构相似指数，相关系数

网络结构

网络结构如下（红框圈出来的是我不能理解的，为什么能用标签数据训练）：

网络结构总体简单，输入坏的数据和辅助数据，卷积后连接，再用不同大小卷积核计算，结果再相加（类似残差），再用了空洞卷积。

问题

圈出来的部分本意是要增强时空谱信息，但直接利用标签数据个人觉得不行，不知道是不是我理解的标签有问题。

转载于:https://www.cnblogs.com/tccbj/p/11046615.html