Devido à baixa estabilidade dos algoritmos tradicionais de processamento de imagens, e à falta de conjuntos de dados de treinamento para aprimoramento de imagens de sensoriamento remoto nos algoritmos de aprendizado profundo, além do alto custo computacional que impede atender às demandas de aplicações de engenharia para o processamento de imagens de sensoriamento remoto, foi proposta uma metodologia para construir um conjunto de dados de aprimoramento de imagens de sensoriamento remoto com base em um modelo de degradação baseado em polinômios de Zernike, considerando de forma abrangente a modelagem da degradação e o processo de processamento de imagens. Em seguida, foi projetado um algoritmo de aprimoramento da qualidade de imagens degradadas de sensoriamento remoto baseado em uma atenção híbrida no domínio da frequência e no domínio espacial. No design da estrutura do algoritmo, a introdução de um módulo de seleção de domínio duplo e um módulo residual de características de frequência permitiu melhorar o aprendizado das características das texturas e detalhes ricos em informações de alta frequência, nos domínios da frequência e espacial, respectivamente, e o uso do mecanismo de atenção híbrida aumentou a capacidade do modelo de extração de características. Para validar o desempenho do algoritmo proposto, foram usados indicadores de avaliação da qualidade do aprimoramento de imagens degradadas de sensoriamento remoto, tais como o valor NIQE, o efeito visual, a curva MTF e o tempo de inferência; os resultados da melhoria da qualidade da imagem em dados do satélite GaoFen-2 foram comparados com cinco algoritmos comumente usados. Os resultados experimentais mostram que, em comparação com métodos comuns, o método proposto pode reduzir melhor o valor NIQE e melhorar a curva MTF, apresenta um efeito visual mais claro, podendo assim melhorar significativamente a qualidade da imagem degradada; além disso, em termos de tempo de inferência, para imagens de sensoriamento remoto com tamanho de pixel <inline-formula><alternatives><math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><mn mathvariant="normal">27</mn><mtext> </mtext><mn mathvariant="normal">620</mn><mo>×</mo><mn mathvariant="normal">29</mn><mtext> </mtext><mn mathvariant="normal">200</mn></math><graphic specific-use="big" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/E6CEFD69-8B52-4766-8F38-12B800F84FDD-M001.jpg"/><graphic specific-use="small" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/E6CEFD69-8B52-4766-8F38-12B800F84FDD-M001c.jpg"/></alternatives></inline-formula>, o tempo de processamento em algoritmos tradicionais é de horas, enquanto o algoritmo proposto leva apenas 27 segundos, podendo assim atender aos requisitos de eficiência de aplicação em engenharia. Em resumo, esta pesquisa pode realizar um processamento rápido e claro das imagens de sensoriamento remoto e fornece uma solução eficaz para o problema de degradação de imagens por satélites em órbita.

Imagens ópticas de sensoriamento remoto;Aprimoramento de imagens;Aprendizado profundo;Polinômios de Zernike;Modelo de degradação de imagem