基于 U-Net 深度神经网络的无人机系统图像云阴影与阳光反射校正
计算机视觉与模式识别
2025-09-12 v1
摘要
无人机系统 (UAS) 的使用在本十年显著增长。它们在各种遥感应用中显著推进了遥感技术，能够按需获取具有所需空间、光谱、时间和辐射分辨率的图像。UAS 图像的一个主要优势是可以在云下飞行获取图像。技术的限制在于图像常受云阴影影响。潮湿地区获取的图像还受阳光反射影响。这两个因素严重影响从 UAS 图像中估计水质参数的能力。本研究提出了一种新型机器学习方法，首先识别并提取云阴影和阳光反射区域，然后将其从未受阻挡的晴天区域和未受阳光反射影响的区域中分离出来。数据以像素级别从图像中提取，用于训练 U-Net 深度学习模型，并通过测试案例中的各种评估指标确定模型训练的最佳设置。通过该评估确定了高质量图像校正模型，用于恢复图像中的云阴影和阳光反射区域。
引用
@article{arxiv.2509.08949,
title = {An U-Net-Based Deep Neural Network for Cloud Shadow and Sun-Glint Correction of Unmanned Aerial System (UAS) Imagery},
author = {Yibin Wang and Wondimagegn Beshah and Padmanava Dash and Haifeng Wang},
journal= {arXiv preprint arXiv:2509.08949},
year = {2025}
}