本发明专利技术提供一种遥感图像薄云去除的方法，包括：将待处理图像分块，得到多个第一子图像，按照预设的顺序获取第一子图像，通过训练好的去薄云模型对第一子图像去薄云，得到无薄云子图像，对无薄云子图像进行灰度变换，得到第二子图像，对所有所述第二子图像进行拼接处理，得到针对待处理图像的去薄云后图像。本发明专利技术通过基于条件变分自动编码的去薄云模型对含薄云图像去除薄云，得到的无薄云图像纹理清晰，通过对无薄云子图像进行灰度变换，使得去薄云后的整幅图像灰度均衡。
【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种遥感图像薄云去除方法。
技术介绍
1、遥感图像中的薄云通常呈现半透明状态，相较于受厚云污染的影像，受薄云污染的影像仍保留部分地物信息，因此可以通对影像去除薄云，以提高影像利用率。由于受薄云污染的影像中通常还包含部分地表结构和颜色信息，因此去除薄云任务的重点在于如何实现地表结构信息和颜色信息的精细恢复。
2、目前的薄云去除方法主要针对的是低分辨率的遥感影像，当其应用到高分辨率、大尺寸的遥感影像中时，薄云去除效果差、效率低。相关技术中基于单幅有薄云图像恢复出去薄云图像，由于仅使用有薄云图像来恢复，导致无法获得精确到像素的清晰图像。此外，相关技术中虽然存在对于大尺寸遥感影像进行分块去薄云的方法，但是，将分块处理后的影像重组为整幅图像时，图像存在灰度不一致问题。
技术实现思路
1、本专利技术提供一种遥感图像的薄云去除方法，适用于高分辨率遥感图像，通过将单幅有薄云图像生成多个清晰的去薄云中间图像，能够得到高精确度的去薄云图像，同时通过灰度变换，使得去薄云后的整幅图像灰度均衡。
2、本专利技术提供了一种遥感图像薄云去除的方法，该方法包括：
3、s1：获取待处理图像；
4、s2：将所述待处理图像分块，得到多个第一子图像；
5、s3：按照预设的顺序获取所述第一子图像，通过训练好的去薄云模型对所述第一子图像去薄云，得到无薄云子图像；
6、s4：对所述无薄云子图像进行灰度变换，得到第二子图像；</p>7、s5：对所有所述第二子图像进行拼接处理，得到针对所述待处理图像的去薄云后图像。
8、进一步地，所述去薄云模型包括编码器网络、中间网络和解码器网络，所述去薄云模型的训练步骤包括：
9、步骤a：获取训练数据集，所述训练数据集包括多对含薄云图像和无薄云图像；
10、步骤b：使用所述编码器网络基于所述含薄云图像估算隐变量；
11、步骤c：使用所述中间网络对所述隐变量进行采样，得到多个采样信号，并基于多个所述采样信号生成多个元图像；
12、步骤d：使用所述解码器网络基于多个所述元图像和所述含薄云图像重建出多个去薄云中间图像，并基于多个所述去薄云中间图像计算均值，得到去薄云图像；
13、步骤e：基于所述含薄云图像、所述无薄云图像和所述隐变量计算综合损失，根据所述综合损失对所述去薄云模型的参数进行调整；步骤f：迭代地执行步骤a至步骤e，直至达到预设的收敛条件，得到所述训练好的去薄云模型。
14、进一步地，所述综合损失为散度损失和重建损失的加权和，所述散度损失使用如下公式计算得到：
15、
16、其中，是均值参数，是标准差参数，、分别表示矩阵的轨迹和行列式，d为分布的维数；
17、所述重建损失使用如下公式计算得到：
18、
19、其中，c表示通道数，p表示像素数，c表示通道总数，p表示像素总数，为调节系数，表示去薄云模型输出的去薄云图像，表示作为参考图像的无薄云图像。
20、进一步地，所述训练数据集是基于真实有薄云图像得到的。
21、进一步地，所述步骤s2包括：
22、将各个所述第一子图像按照在所述待处理图像中的位置进行编号，并将该编号保存为第一子图像位置矩阵。
23、进一步地，所述按照预设的顺序获取所述第一子图像包括：
24、根据所述第一子图像位置矩阵，从第一行自左向右逐个选取所述第一子图像；
25、从第一列自上而下逐个逐个选取第一列除第一行以外的所述第一子图像；
26、从第二行开始，逐行逐个自左向右选取除第一列以外的所述第一子图像，直到选取完成所有第一子图像。
27、进一步地，将各个所述无薄云子图像按照所对应的所述第一子图像在所述待处理图像中的位置进行编号，并将该编号保存为无薄云子图像位置矩阵。
28、进一步地，所述步骤s4包括：
29、根据所述无薄云子图像位置矩阵，对第一行的所述无薄云子图像，以当前无薄云子图像的左图像为基准图像进行wallis变换；
30、对第一列除第一行外的所述无薄云子图像，以当前无薄云子图像的上图像为基准图像进行wallis变换；
31、对除第一行和第一列以外的所述无薄云子图像，从第二行开始，以当前无薄云子图像的左图像和上图像共同为基准图像进行wallis变换。
32、进一步地，所述通过训练好的去薄云模型对所述第一子图像去薄云之前，还包括：
33、判断所述第一子图像是否含云，若含云，通过训练好的去薄云模型对含云的所述第一子图像去薄云，得到对应的无薄云子图像；若不含云，将不含云的第一子图像作为对应的无薄云子图像。
34、进一步地，所述步骤s5，包括：
35、对所述第二子图像的重叠区域进行线性过渡处理，得到与所述待处理图像对应的去薄云后图像。
36、本专利技术的技术方案的有益效果至少包括：
37、1、利用基于条件变分自动编码的去薄云模型，建立有薄云图像到去薄云中间图像的一对多的映射，能够提高去薄云的精度，薄云去除干净，去薄云图像细节纹理清晰。
38、2、通过对无薄云子图像进行灰度变换，保证最终拼接后的整幅去薄云后图像的灰度均衡。
39、3、通过按照预设的顺序进行去薄云，使得去薄云顺序和灰度变换的顺序对应一致，从而使去薄云处理过程和灰度变换处理过程可同步进行，减少等待时间，提升效率。
本文档来自技高网...
【技术保护点】
1.一种遥感图像薄云去除的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述去薄云模型包括编码器网络、中间网络和解码器网络，所述去薄云模型的训练步骤包括：
3.根据权利要求2所述的方法，其特征在于，所述综合损失为散度损失和重建损失的加权和，所述散度损失使用如下公式计算得到：
4.根据权利要求2所述的方法，其特征在于，所述训练数据集是基于真实有薄云图像得到的。
5.根据权利要求1所述的方法，其特征在于，所述步骤S2包括：
6.根据权利要求5所述的方法，其特征在于，所述按照预设的顺序获取所述第一子图像包括：
7.根据权利要求1所述的方法，其特征在于，将各个所述无薄云子图像按照所对应的所述第一子图像在所述待处理图像中的位置进行编号，并将该编号保存为无薄云子图像位置矩阵。
8.根据权利要求7所述的方法，其特征在于，所述步骤S4包括：
9.根据权利要求1所述的方法，其特征在于，所述通过训练好的去薄云模型对所述第一子图像去薄云之前，还包括：
10.根据权利要求1所述的方法，其特征在于，所述步骤S5，包括：
...
【技术特征摘要】
1.一种遥感图像薄云去除的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述去薄云模型包括编码器网络、中间网络和解码器网络，所述去薄云模型的训练步骤包括：
3.根据权利要求2所述的方法，其特征在于，所述综合损失为散度损失和重建损失的加权和，所述散度损失使用如下公式计算得到：
4.根据权利要求2所述的方法，其特征在于，所述训练数据集是基于真实有薄云图像得到的。
5.根据权利要求1所述的方法，其特征在于，所述步骤s2包括：
6.根据...
【专利技术属性】
技术研发人员：吴皓，杨丽帆，林红磊，邹圣兵，
申请(专利权)人：北京数慧时空信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。