买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国地质大学(北京)

摘要：本发明为一种基于扩张残差的生成式对抗SAR图像斑点噪声抑制方法，属于遥感图像处理领域。本发明方法构建的SAR图像斑点噪声抑制网络模型包括生成器网络G、纹理增强网络、判别器网络D，使用预训练好的纹理增强网络来计算预测图像和真值图像之间的特征感知误差，使用分类网络作为判别器，将生成器输出的预测图像与真值图像损失、纹理增强网络输出的预测图像特征和真值图像的特征损失和判别器的对抗损失以适当的权重结合起来形成最终损失函数，对模型进行训练，利用训练好的生成器对SAR图像进行斑点噪声抑制。本发明以更少的空间复杂度和更短的时间实现更好的斑点噪声抑制效果，提高了对SAR图像边缘纹理等细节信息的预测能力。

主权项：1.一种基于扩张残差的生成式对抗SAR图像斑点噪声抑制方法，其特征在于，包括如下步骤：步骤一、构建SAR图像斑点噪声抑制网络模型；所述网络模型包括生成器网络G、纹理增强网络和判别器网络D；所述生成器网络G为基于扩张卷积的残差结构神经网络，包含依次相连接的输入层、隐含层和输出层；隐含层由6个卷积层和一个跳跃连接组成，第1至5层每层都包括扩张卷积层和ReLU激活函数，第6层只有扩张卷积层，将第2层和第5层的输出跳跃连接；输入层接收原始SAR图像，输入隐含层进行特征提取，之后再输出层将原始SAR图像与隐含层第6层的输出特征图相减得到去噪SAR图像；所述纹理增强网络采用基于ImageNet预训练好的VGG16模型，选取VGG16模型第7层的relu层处理后的特征图作为输出；将生成器网络G生成的预测图像和对应的无噪真值图像分别输入纹理增强网络获取特征图；所述判别器网络D是一个二分类网络，用于判断输入网络D的SAR图像是真实图像的概率；步骤二、对所述SAR图像斑点噪声抑制网络模型进行训练；将训练集输入生成器网络G，预测斑点噪声抑制后的图像；将预测图像和无噪真值图像分别输入纹理增强网络获取二者的特征图；将预测图像和无噪真值图像送入判别器网络D，判别图像为真的概率；训练所述SAR图像斑点噪声抑制网络模型时，损失函数Loss计算如下：Loss＝LE+λaLA+λpLP其中，LE表示预测图像与无噪真值图像的每像素均方误差，通过最小化LE使得预测图像无限接近于无噪真值图像；LP是特征感知损失，通过计算由纹理增强网络提取的预测图像和无噪真值图像的特征图的均方误差得到，通过最小化LP使得预测图像的细节特征无限接近于无噪真值图像的细节特征；LA是来自判别器网络D的对抗性损失；λa和λp为设置的损失权重；步骤三、将包含斑点噪声的遥感图像输入训练好的生成器网络Gnew，输出斑点噪声抑制后的遥感图像。

全文数据：

权利要求：

百度查询： 中国地质大学(北京) 基于扩张残差的生成式对抗SAR图像斑点噪声抑制方法