Resumen

La imagen de teledetección óptica tiene ventajas como la rápida adquisición de información, un ciclo de actualización corto y monitoreo dinámico. Juega un papel importante en muchas actividades de observación terrestre, como monitoreo oceánico, observación meteorológica, planificación de tierras e investigación de rendimiento de cultivos. Sin embargo, en el proceso de adquisición de imágenes, un sistema de teledetección óptica a menudo se ve perturbado por nubes, lo que resulta en una baja claridad de la imagen o incluso la pérdida de información terrestre, afectando la adquisición de información de características y aplicaciones posteriores. Proponemos un modelo de red neuronal recurrente de atención espacial combinado con una red de transformación de contexto para superar el desafío de la oclusión de nubes. Este modelo puede obtener la información central en imágenes de teledetección y considerar las dependencias remotas en la red. Además, la red propuesta en este artículo ha logrado un excelente rendimiento en los conjuntos de datos RICE1 y RICE2.

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Imagen de teledetección óptica; Adquisición rápida de información; Monitoreo dinámico; Ocultación de nubes; Modelo de red neuronal recurrente de atención espacial; Conjunto de datos RICE1
• Keywords:Optical remote sensing image; Fast information acquisition; Dynamic monitoring; Cloud occlusion; Spatial attention recurrent neural network model; RICE1 dataset