Das Time Delay Integration CCD (TDI CCD) wird im Bereich der Fernerkundungsbildgebung häufig eingesetzt. Aufgrund komplexer Rauschquellen wie Dunkelstrom, Rücksetzrauschen und Quantisierungsrauschen fällt es bestehenden Methoden schwer, die verteilungsunabhängigen Rauscheigenschaften in realen Sensoren bei schwachem Licht präzise zu charakterisieren. Zur Lösung dieses Problems wird ein physikgeführtes tiefes neuronales Netzwerk (Physics-guided Deep Neural Network, PDNN) zur Modellierung des TDI CCD-Rauschens vorgeschlagen. Dieses Netzwerk lernt das signalunabhängige Rauschen aus Dunkelbildaufnahmen und überlagert es mit signalabhängigem Rauschen, das auf Poisson-Verteilung basiert, um synthetisches Rauschen zu erzeugen und somit die Rauschverteilung des TDI CCD unter schwachen Lichtbedingungen genau darzustellen. Zunächst entkoppelt das Netzwerk mithilfe des TDI CCD Noise Decoupling (TND)-Moduls Dunkelbilder in räumlich unabhängiges Pixelrauschen. Anschließend projizieren das Gain and Multi-stage Adaptive (GMA)-Modul und die 1×1-Konvolutionsschicht im Hauptnetzwerk zur TDI CCD-Rauschmodellierung (TNM) das Anfangsrauschen in einen Verteilungsraum, der dem realen Rauschpegel nahekommt, während die Unabhängigkeit des Pixelrauschens erhalten bleibt. Schließlich wird das Netzwerk durch den Task Balanced Loss (TBL) eingeschränkt, der die Gewichtungsfaktoren dynamisch anpasst, um während des Trainings ein relatives Gleichgewicht zu wahren und somit die Netzwerkleistung weiter zu optimieren. Experimentelle Ergebnisse zeigen, dass die durchschnittliche Kullback-Leibler-Divergenz (Average Kullback-Leibler Divergence, AKLD) der vorgeschlagenen Methode auf einem eigenen Datensatz 0,1069 erreicht, was einen signifikanten Vorteil gegenüber bestehenden Methoden darstellt. Darüber hinaus nähern sich die mit synthetischem Rauschbild trainierten PSNR- und SSIM-Werte dem Niveau realer Daten an. PDNN kann die Rauschverteilung des TDI CCD unter schwachen Lichtbedingungen genau beschreiben und hat somit praktischen Wert zur Verbesserung der visuellen Qualität von Fernerkundungsbildern bei schwachem Licht.

TDI CCD; physikalische Führung; neuronales Netzwerk; Rauschentkopplung; aufgabenausgeglichener Verlust