Mit der Entwicklung der Fernerkundungstechnologie werden Fernerkundungsbilder umfangreich in Bereichen wie Bilderkennung und Segmentierung eingesetzt. Allerdings behindern die geringe Anzahl von Fernerkundungsbildern, deren niedrige Qualität und mangelnde Vielfalt die Leistungsverbesserung nachfolgender Forschungen wie der Fernerkundungsinterpretation. Wie man eine geringe Menge an Fernerkundungsbildern nutzen kann, um große Datensätze zu erzeugen, ist ein dringend zu lösendes Problem. Zur Lösung dieses Problems basiert dieser Artikel auf dem SinGAN-Netzwerk und kombiniert ein neues reines Faltungsnetz ConvNeXt, um einen Rahmen zur Datenaugmentation von Fernerkundungsbildern zu konstruieren. Die Versuchsergebnisse zeigen, dass sich auf dem Fernerkundungsdatensatz NWPU-RESISC45 nach der Datenaugmentation mit dem ConvNeXt-Faltungsnetz die GAN- und Bildqualitätsbewertungsmetriken FID, SSIM und PSNR jeweils um 5,7 %, 6,2 % und 8,2 % verbessert haben. Die mit der basierend auf verbessertem SinGAN entwickelten Methode zur Datenaugmentation von Fernerkundungsbildern augmentierten Bilder übertreffen in Qualität und Vielfalt die SinGAN-Algorithmen und traditionellen Bildaugmentierungsmethoden und können praktisch in Bereichen wie Bildsegmentierung und Objekterkennung eingesetzt werden.

SinGAN;Datenaugmentation;Fernerkundungsbilder;ConvNeXt