获取独家产品信息,尽享促销优惠!立即订阅,不容错过
* 限···时··优惠
摘要 - 地球观察卫星可以在不同的时间,气候条件和平台形式下捕获光学图像,在颜色和亮度上表现出很大的差异,在合成大面积光学卫星图像时会导致视觉体验差。相关的颜色平衡问题引起了研究人员的极大关注,但诸如缺乏研究数据和对模型参数的敏感性之类的挑战持续存在。为了解决这些问题,本文发布了一个公开开放的数据集,并提出了语义细分增强色彩平衡网络(SECBNET)。首先,为了减轻研究数据的稀缺性,我们开发了一个公共可用的遥感图像颜色平衡数据集,Zhu hai色彩平衡图像(ZHCBI),以支持相关的研究活动。第二,为了提高颜色平衡图像和目标图像之间的语义一致性,我们设计了以分割结果为指导的双分支U-NET架构,并提出了一种新颖的分割特征损失函数。最后,为了解决分段处理中块之间的接缝问题和不自然的过渡,我们引入了一个基于加权平均的后处理模块。我们对ZHCBI数据集上的现有主流颜色平衡算法进行了比较实验和分析。结果表明,与其他主流方法相比,我们所提出的方法可实现最先进的颜色平衡质量,并具有显着改善的视觉效果和更高的峰信噪比(PSNR)(23.64 dB)。