TL;DR
- چکیده:.
- پوشش ابری در تصاویر چندطیفی (MSI) چالشهای مهمیرا برای نقشهبرداری محصول اولیه فصل ایجاد میکند،.
- زیرا منجر به گم شدن یا خراب شدن اطلاعات طیفی میشود.
چه اتفاقی افتاد
چکیده:. پوشش ابری در تصاویر چندطیفی (MSI) چالشهای مهمیرا برای نقشهبرداری محصول اولیه فصل ایجاد میکند،.
زیرا منجر به گم شدن یا خراب شدن اطلاعات طیفی میشود. دادههای رادار دیافراگم مصنوعی (SAR) که تحت تأثیر تداخل ابری قرار نمیگیرند،.
یک راهحل مکمل ارائه میدهند،. اما فاقد جزئیات طیفی کافی برای نقشهبرداری دقیق محصول هستند.
برای پرداختن به این موضوع،. ما یک چارچوب جدید،.
بازسازی تصویر MSI سری زمانی با استفاده از Vision Transformer (ViT)،. برای بازسازی دادههای MSI در مناطق پوشیده از ابر با استفاده از اهرم انسجام زمانی MSI و اطلاعات.
تکمیلی از SAR از مکانیسم توجه،. پیشنهاد میکنیم.
آزمایشهای جامع،. با استفاده از معیارهای ارزیابی بازسازی دقیق،.
نشان میدهد که چارچوب ViT سری زمانی بهطور قابلتوجهی از خطوط پایه که از MSI و SAR غیرسری. زمانی یا MSI سری زمانی بدون SAR استفاده میکنند،.
بهتر عمل میکند. بهبود بازسازی تصویر MSI در مناطق پوشیده از ابر این مقاله بهعنوان مقاله کنفرانس در سمپوزیوم بین المللی.
علوم زمین و سنجش از دور IEEE 2025 (IGARSS) پذیرفته شده است. بینایی کامپیوتری و تشخیص الگو (cs.
CV)؛ هوش مصنوعی (cs. AI)؛ یادگیری ماشین (cs.
LG)؛ پردازش تصویر و ویدئو (eess. IV) استناد بهعنوان: (یا v2 [cs.
CV] برای این نسخه) https:. // شده توسط arXiv از طریق DataCite پیوند (های) منابع مرتبط تاریخچه ارسال از:.
Lujun Li [مشاهده ایمیل] [v1] سه شنبه،. 24 ژوئن 2025،.
13:. 00:.
36 UTC (1989 KB) [v2] یکشنبه،. 5 آوریل 2026،.
13:. 32:.
55 UTC (1985 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.