CCD с временной задержкой интеграции (Time Delay Integration CCD, TDI CCD) широко применяется в области дистанционного зондирования. Из-за наличия сложных источников шума, таких как темновой ток, шум сброса и квантизационный шум, существующим методам трудно адекватно моделировать распределение шума, не связанного с сигналом, в реальных сенсорах при слабом освещении. Для решения этой проблемы предложена физически направленная глубокая нейронная сеть (Physics-guided Deep Neural Network, PDNN) для моделирования шума TDI CCD, которая изучает шум, не связанный с сигналом, из изображений темного поля и комбинирует его с сигналозависимым шумом, смоделированным на основе пуассоновского распределения, создавая синтетический шум и тем самым точно моделируя распределение шума TDI CCD при слабом освещении. Во-первых, сеть с помощью модуля разложения шума TDI CCD (TDI CCD Noise Decoupling, TND) декуплирует изображения темного поля на пространственно независимые шумы пикселей. Затем в основной сети моделирования шума TDI CCD (TDI CCD Noise Modeling, TNM) модули усиления и многоступенчатой адаптации (Gain and Multi-stage Adaptive, GMA) и свёртка 1×1 отображают начальный шум в пространство распределения, близкое к реальному уровню шума, при этом сохраняя независимость шума пикселей. Наконец, сеть ограничивается задачей балансировки потерь (Task Balanced Loss, TBL), которая динамически регулирует веса для поддержания относительного баланса в процессе обучения, что дополнительно оптимизирует производительность сети. Экспериментальные результаты показывают, что средний дивергенс Кульбака-Лейблера (Average Kullback-Leibler Divergence, AKLD) предложенного метода на собственной базе данных достигает 0.1069, что является значительным преимуществом по сравнению с существующими методами. Кроме того, показатели PSNR и SSIM, полученные при обучении на синтетических шумовых изображениях, близки к уровням реальных данных. PDNN способна точно описывать распределение шума TDI CCD при слабом освещении, что имеет практическую ценность для улучшения визуального качества изображений дистанционного зондирования в условиях низкой освещенности.

TDI CCD; физическое руководство; нейронная сеть; разложение шума; сбалансированная потеря задачи