申请/专利权人：航天东方红卫星有限公司

申请日：2021-09-16

公开（公告）日：2024-06-14

公开（公告）号：CN113935908B

主分类号：G06T5/73

分类号：G06T5/73;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2022.02.01#实质审查的生效;2022.01.14#公开

摘要：本发明一种基于双支路通道和特征强化机制的遥感图像去云方法，所述方法包括：构建遥感图像去云数据集。选取彩色无云遥感图进行灰度处理和加云操作分别得到灰度无云遥感图和彩色有云遥感图，在所有图像的相应位置裁剪得到图像块，组成训练集和测试集。构建遥感图像去云网络，遥感图像去云网络设计为双支路通道结构，网络输入为彩色有云遥感图，输出为灰度去云遥感图和彩色去云遥感图，网络结构采用空间通道注意力单元和多尺度稠密连接单元实现特征提取与特征强化。设计灰度损失函数、彩色损失函数和云层特征损失函数的线性组合作为总体损失函数，用于训练遥感图像去云网络，网络收敛后得到模型参数。将模型参数导入遥感图像去云网络，实现遥感图像去云任务。

主权项：1.一种基于双支路通道和特征强化机制的遥感图像去云方法，其特征在于步骤如下：1构建遥感图像去云数据集，包括彩色有云图、彩色无云图和灰度无云图；选取彩色无云遥感图进行灰度处理和加云操作分别得到灰度无云遥感图和彩色有云遥感图，在所有图像的相应位置裁剪得到图像块，组成训练集和测试集；2构建遥感图像去云网络，遥感图像去云网络设计为双支路通道结构，双支路分别用于恢复灰度无云遥感图和彩色无云遥感图，遥感图像去云网络输入为彩色有云遥感图，输出为灰度去云遥感图和彩色去云遥感图，遥感图像去云网络结构通过构建空间通道注意力单元和多尺度稠密连接单元实现特征提取与特征强化；3设计灰度损失函数彩色损失函数和云层特征损失函数Lf的线性组合作为总体损失函数，用于训练遥感图像去云网络，网络收敛后得到模型参数；4将模型参数导入遥感图像去云网络，实现遥感图像去云任务；所述步骤1中，遥感图像去云数据集具体为：11所述遥感图像去云数据集包括彩色有云图像、彩色无云图像和灰度无云图像；选取m张彩色无云遥感图像进行灰度处理得到m张灰度无云遥感图像，对m张彩色无云遥感图像进行加云操作得到m张彩色有云遥感图像，在所有图像的相应位置进行无重叠裁剪得到n个彩色有云遥感图像块，即{Ii|i∈1,…,n}；与之对应的n个彩色无云遥感图像块，即{Ji|i∈1,…,n}；与之对应的n个灰度无云遥感图像块，即{Ki|i∈1,…,n}；将彩色有云遥感图像块I、彩色无云遥感图像块J和灰度无云遥感图像块K组成遥感图像数据集，记为{Ii,Ji,Ki|i∈1,…,n}；12将所述遥感图像去云数据集图像尺寸缩放至N×N，同时随机旋转90°、180°和270°，并按照p1：p2划分得到训练数据集和测试数据集；N、p1、p2为正整数；所述步骤2中，遥感图像去云网络具体为：21所述遥感图像去云网络设计为双支路通道结构，支路1和支路2分别记为和分别从灰度图和彩色图层面进行无云遥感图像恢复任务，整体网络输入为彩色有云遥感图像，输出为灰度去云遥感图像和彩色去云遥感图像；22构建遥感图像去云网络结构中支路1，负责从灰度图上提取云层特征，实现灰度无云遥感图像的重建，并将提取到的特征共享给网络其他部分完成遥感图像去云；构建遥感图像去云网络结构中支路2，负责从彩色图上提取云层特征，同时对支路1提取的灰度图的云层特征进行整合，完成彩色去云遥感图像的重建；所述构建空间通道注意力单元，具体为从空间上探索特征图中的云层特征，令网络对此类特征更加关注，实现特征强化；所述构建空间通道注意力单元的具体过程为：空间通道注意力单元对输入Sin进行平均值通道池化和最大值通道池化操作，随后采用1×1卷积减少通道个数并采用Sigmoid激活函数得到输出最终将输入Sin与进行乘积操作实现空间通道注意力机制，得到空间通道注意力单元的最终输出Sout；所述构建多尺度稠密连接单元，具体为采用不同尺度滤波器的支路提取多尺度云层特征，设计稠密连接重复利用特征并减少参数量，实现去云工作；所述构建多尺度稠密连接单元的具体过程为：31多尺度稠密连接单元由s条支路组成，每条支路包括2层卷积模块，{1,2,…,s}条支路的滤波器尺寸依次为{f1×f1,f2×f2,…,fs×fs}，其中，fs表示第s条支路的滤波器尺寸，fs为正整数；{1,2,…,s}条支路的卷积模块输出依次为其中，表示第s条支路两层卷积模块的输出，表示第s条支路第一层卷积模块输出，表示第s条支路第二层卷积模块输出，所有卷积滤波器个数均为g，卷积步幅均为r，s，g和r均为正整数，所有激活函数均为ReLU函数；支路上的第一层卷积输出求和得到作为第二层卷积的输入，支路上的第二层卷积输出求和得到作为稠密连接部分的输入，具体如下式所示： 式中，表示第z条支路的第一层卷积输出，V表示第一层卷积，表示第一层卷积的s条支路输出求和结果，z为支路的序号，s为支路总数量，s和z均为正整数； 式中，表示第e条支路的第二层卷积输出，H表示第二层卷积，表示第二层卷积的s条支路输出求和结果，e为支路的序号，s为支路总数量，s和e均为正整数；32构建多尺度稠密连接单元中稠密连接部分，设计u个卷积模块的稠密连接提取图像特征，{1,2,…,u}个卷积模块输出依次记为表示第u个卷积模块的输出，其中，D表示该卷积模块属于稠密连接部分；最终采用一个残差连接整合模块输入Xin，得到最终输出Xout，具体如下式所示： 式中，Xin和Xout表示多尺度稠密连接单元输入和输出，表示多尺度特征提取部分中第二层卷积输出求和结果，表示稠密连接部分中第u个卷积模块的输出，concat为通道上的级联，u为卷积模块的个数，u为正整数。

全文数据：

权利要求：

百度查询： 航天东方红卫星有限公司 一种基于双支路通道和特征强化机制的遥感图像去云方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD