遥感卫星分辨率提升方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例涉及一种遥感卫星分辨率提升方法、装置、电子设备及存储介质。本申请实施例的遥感卫星分辨率提升方法包括：获取指定区域的高分辨率遥感卫星图像和低分辨率遥感卫星图像，并对所述高分辨率遥感卫星图像进行去雾处理；建立分辨率提升网络模型，将所述高分辨率遥感卫星图像和所述低分辨率遥感卫星图像作为训练集，训练所述分辨率提升网络模型；将待测区域低分辨率的遥感卫星图像输入所述分辨率提升网络模型，得到待测区域高分辨率并去雾的遥感卫星图像。本申请实施例的遥感卫星分辨率提升方法可以提升遥感卫星图片的分辨率，实现利用低分辨率的遥感卫星图像对微小物体的检测。

Methods, devices, electronic devices and storage media for resolution enhancement of remote sensing satellites

【技术实现步骤摘要】
遥感卫星分辨率提升方法、装置、电子设备及存储介质
本申请实施例涉及卫星遥感监测
，特别是涉及一种遥感卫星分辨率提升方法、装置、电子设备及存储介质。
技术介绍
中国对于高分辨率对地观测系统的建设始于2010年，已成功发射高分一号至高分六号共计六颗卫星，可涵盖了不同空间分辨率、不同覆盖宽度、不同谱段、不同重访周期的高分数据体系已基本形成。这些卫星获得的数据已广泛应用于国土普查、城市规划、土地确权、路网设计、农作物估产和防灾减灾等领域。高分二号是迄今为止我国使用最为广泛的民用遥感卫星，具备高空间分辨率0.8米和幅宽大于45千米的成像能力，是现今我国焦距最长、分辨率最高的民用航天遥感相机，其获取的影像数据广泛服务于18个国家部委和28个省市地方行业，及国防军事与商业市场等领域，月分发20余万景超过1.1亿平方公里影像，已成为高分辨率影像主力数据源，国内市场占有率达80％。在民用领域，如农业，林业，交通，环保使用遥感数据对特定区域进行定期的观测分析，对于全色分辨率低于0.5米的需求越来越强。分辨率越高，意味着卫星传感器越精确，直接导致卫星的造价居高不下，而高分辨率的遥感数据的采购价格也随之水涨船高。在国内全色分辨率低于0.5米可以选卫星不多，国外卫星数据采购价格高昂，且分辨率低于0.5米卫星数据价格多高于高分二号的价格，在民用遥感卫星领域很难兼顾数据的采购成本和数据的分辨率。
技术实现思路
本申请实施例提供了一种遥感卫星分辨率提升方法、装置、电子设备及存储介质，可以提升遥感卫星图片的分辨率，实现利用低分辨率的遥感卫星图像对微小物体的检测。第一方面，本申请实施例提供了一种遥感卫星分辨率提升方法，包括步骤：获取指定区域的高分辨率遥感卫星图像和低分辨率遥感卫星图像，并对所述高分辨率遥感卫星图像进行去雾处理；建立分辨率提升网络模型，将所述高分辨率遥感卫星图像和所述低分辨率遥感卫星图像作为训练集，训练所述分辨率提升网络模型；将待测区域低分辨率的遥感卫星图像输入所述分辨率提升网络模型，得到待测区域高分辨率并去雾的遥感卫星图像。可选的，所述获取指定区域的高分辨率遥感卫星图像和低分辨率遥感卫星图像，包括：获取指定区域的高分辨率遥感卫星图像；对所述高分辨率遥感卫星图像进行分辨率降采样，获取指定区域的低分辨率遥感卫星图像。可选的，所述将所述高分辨率遥感卫星图像和所述低分辨率遥感卫星图像作为训练集，训练所述分辨率提升网络模型前，还包括：对所述高分辨率遥感卫星图像和所述低分辨率遥感卫星图像进行辐射校正、几何校正和遥感图像融合处理。可选的，所述分辨率提升网络模型包括分辨率提升主干网络、第一生成器Gz和第一判别器Dz，其中，所述分辨率提升主干网络用于提升所述低分辨率遥感卫星图像的分辨率，所述第一生成器Gz用于将所述高分辨率的遥感卫星图像向所述低分辨率的遥感卫星图像转换，所述第一判别器Dz为所述高分辨率遥感卫星图像数据域的判别式。可选的，所述分辨率提升网络模型的损失函数包括对抗损失函数、循环一致性约束损失函数、对等约束损失函数和总变分损失函数；所述对抗损失函数的公式为：所述循环一致性约束损失函数的公式为：所述对等约束损失函数的公式为：所述总变分损失函数的公式为：其中，N代表一个批次下训练的图片样本的个数，yi代表训练批次里的某一个低分辨率的遥感卫星图像；zi代表高分辨率的遥感卫星图像；代表图像水平方向上的梯度，代表图像垂直方向上的梯度，WDSR代表分辨率提升网络模型；则所述风格变换模型的损失函数的公式为：其中，λ1、λ2和λ3为权重系数。可选的，所述提升主干网络为WDSR网络。第二方面，本申请实施例提供了一种遥感卫星分辨率提升装置，包括：遥感卫星图像获取模块，用于获取指定区域的高分辨率遥感卫星图像和低分辨率遥感卫星图像，并对所述高分辨率遥感卫星图像进行去雾处理；分辨率提升网络训练模块，用于建立分辨率提升网络模型，将所述高分辨率遥感卫星图像和所述低分辨率遥感卫星图像作为训练集，训练所述分辨率提升网络模型；分辨率提升模块，用于将待测区域低分辨率的遥感卫星图像输入所述分辨率提升网络模型，得到待测区域高分辨率并去雾的遥感卫星图像。第三方面，本申请实施例提供了一种电子设备，包括存储器以及处理器；所述存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本申请实施例第一方面所述的遥感卫星分辨率提升方法。第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如本申请实施例第一方面所述的遥感卫星分辨率提升方法。在本申请实施例中，通过获取指定区域的高分辨率和低分辨率遥感卫星图像，并使用高分辨率和低分辨率遥感卫星图像训练分辨率提升网络模型，并将待测区域的低分辨率遥感卫星图像输入该分辨率提升网络模型得到高分辨率的并且去雾的待测区域的遥感卫星图像，从而可以提升遥感卫星图片的分辨率，实现利用低分辨率的遥感卫星图像对微小物体的检测。为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。附图说明图1为在一个示例性实施例中示出的本申请实施例遥感卫星分辨率提升方法流程图；图2为在一个示例性实施例中示出的获取遥感卫星图像流程图；图3为在一个示例性实施例中示出的分辨率提升网络模型的结构示意图；图4为在一个示例性实施例中示出的WDSR网络的结构示意图；图5为在一个示例性实施例中示出的WDSR-B残差块的结构示意图；图6为在一个示例性实施例中示出的本申请实施例遥感卫星分辨率提升装置的结构示意图；图7为在一个示例性实施例中示出的电子设备的结构示意图。具体实施方式为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施例方式作进一步地详细描述。应当明确，所描述的实施例仅仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请实施例保护的范围。在本申请实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请实施例。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。下面的描述涉及附图时，除非另有表示，不同附本文档来自技高网...

【技术保护点】
1.一种遥感卫星分辨率提升方法，其特征在于，包括如下步骤：/n获取指定区域的高分辨率遥感卫星图像和低分辨率遥感卫星图像，并对所述高分辨率遥感卫星图像进行去雾处理；/n建立分辨率提升网络模型，将所述高分辨率遥感卫星图像和所述低分辨率遥感卫星图像作为训练集，训练所述分辨率提升网络模型；/n将待测区域低分辨率的遥感卫星图像输入所述分辨率提升网络模型，得到待测区域高分辨率并去雾的遥感卫星图像。/n

【技术特征摘要】
1.一种遥感卫星分辨率提升方法，其特征在于，包括如下步骤：
获取指定区域的高分辨率遥感卫星图像和低分辨率遥感卫星图像，并对所述高分辨率遥感卫星图像进行去雾处理；
建立分辨率提升网络模型，将所述高分辨率遥感卫星图像和所述低分辨率遥感卫星图像作为训练集，训练所述分辨率提升网络模型；
将待测区域低分辨率的遥感卫星图像输入所述分辨率提升网络模型，得到待测区域高分辨率并去雾的遥感卫星图像。


2.根据权利要求1所述的遥感卫星分辨率提升方法，其特征在于，所述获取指定区域的高分辨率遥感卫星图像和低分辨率遥感卫星图像，包括：
获取指定区域的高分辨率遥感卫星图像；
对所述高分辨率遥感卫星图像进行分辨率降采样，获取指定区域的低分辨率遥感卫星图像。


3.根据权利要求1所述的遥感卫星分辨率提升方法，其特征在于，所述将所述高分辨率遥感卫星图像和所述低分辨率遥感卫星图像作为训练集，训练所述分辨率提升网络模型前，还包括：
对所述高分辨率遥感卫星图像和所述低分辨率遥感卫星图像进行辐射校正、几何校正和遥感图像融合处理。


4.根据权利要求1所述的遥感卫星分辨率提升方法，其特征在于：所述分辨率提升网络模型包括分辨率提升主干网络、第一生成器Gz和第一判别器Dz，其中，所述分辨率提升主干网络用于提升所述低分辨率遥感卫星图像的分辨率，所述第一生成器Gz用于将所述高分辨率的遥感卫星图像向所述低分辨率的遥感卫星图像转换，所述第一判别器Dz为所述高分辨率遥感卫星图像数据域的判别式。


5.根据权利要求4所述的遥感卫星分辨率提升方法，其特征在于：
所述分辨率提升网络模型的损失函数包括对抗损失函数、循环一致性约束损失函数、对等约束损失函数和总变分损失函数；
所述对抗损失函数的公式为：



所述循环一致性约束损失函数的公式为：



所述对等约束损失函数的公式为：



...

【专利技术属性】
技术研发人员：苏超，杨强，曹园，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33