Resumen

Las imágenes multiespectrales interferométricas contienen información rica, por lo que son ampliamente utilizadas en aviación, militar y monitoreo ambiental. Sin embargo, la abundante información también conlleva desventajas, ya que se requiere más tiempo y recursos físicos en la compresión y reconstrucción de la señal. Con el fin de compensar las deficiencias de los algoritmos tradicionales de compresión y reconstrucción, en este artículo se propone el algoritmo de reconstrucción de autoencoder de eliminación de ruido por convolución apilada (SCDA) para imágenes multiespectrales de interferencia. Además, se construye un código experimental basado en el sistema TensorFlow para reconstruir estas imágenes. Los resultados muestran que, en comparación con los algoritmos D-AMP y ReconNet, el algoritmo SCDA tiene ventajas en cuanto a una mayor precisión de reconstrucción y una menor complejidad temporal y espacial. Por lo tanto, el algoritmo SCDA propuesto en este artículo puede aplicarse a imágenes multiespectrales de interferencia.

• Materias:Método de monitoreo Acoplamientos multimodales Ecuaciones simultáneas Anomalías de datos Procesamiento de robots
• Subjects:Monitoring method Multimodal couplings Simultaneous equations Data anomalies Robot processing
• Palabras claves:Interferométrico; Imágenes multiespectrales; Aviación; Militar; Monitoreo ambiental; SCDA
• Keywords:Interferometric; Multispectral images; Aviation; Military; Environmental monitoring; SCDA