Missing Data Reconstruction in Remote Sensing Image With a Unified Spatial–Temporal–Spectral Deep Co

摘要

文章針對修復壞波段（AQUA B6），恢復條帶損失，恢復雲污染提出了一個深度學習網絡結構，他說 To date, to the best of our knowledge, no studies investigating CNNs for the reconstruction of missing information in remote sensing imagery have made full use of the feature mining and nonlinear expression ability。大體就是他是第一個徹底運用了CNN能力來修復數據的。

評價指標

和四種方法進行了比較 LF.  HMLLSF.  WCLF.  AWTC，指標有峯值信噪比，結構類似指數，相關係數

網絡結構

網絡結構以下（紅框圈出來的是我不能理解的，爲何能用標籤數據訓練）：

網絡結構整體簡單，輸入壞的數據和輔助數據，卷積後鏈接，再用不一樣大小卷積覈計算，結果再相加（相似殘差），再用了空洞卷積。

問題

圈出來的部分本意是要加強時空譜信息，但直接利用標籤數據我的以爲不行，不知道是否是我理解的標籤有問題。