【技术实现步骤摘要】
本专利技术涉及光学遥感影像处理，具体来说是一种物理模型引导和曼巴结合的云去除方法。
技术介绍
1、光学遥感影像具有丰富的光谱信息，较强的可解释性和良好的视觉效果，一直以来都在在环境监测、城市规划、农业管理等领域得到了广泛应用。然而大气中的云层会阻碍遥感卫星传感器接收地表对象反射的电磁波，造成光学遥感影像信息缺失，导致数据失效，无法满足后续应用的需求。因此，光学遥感影像数据预处理过程中，对获取的光学遥感影像进行云去除，即恢复缺失信息十分重要。
2、随着深度学习技术的发展，基于深度学习的云去除方法成为遥感影像去云领域准确恢复地表信息的重要手段之一。现有云去除方法往往局限于使用卷积操作，难以捕捉全局信息这对云覆盖区域的缺失信息恢复造成了困扰。虽然transformer结构擅长于全局信息的提取，但其计算复杂度较高，导致云去除效率不足。近来，基于曼巴结构的方法在保持线性复杂度的同时，能够高效地实现全局信息获取，将曼巴结构纳入云去除方法中，能够显著提升模型缺失信息能力，提升云去除质量。
3、同时，云层的状态变化多端，尤其是在薄云和厚云共存的复杂情境下，云去除的效果常常难以保证，重建结果可能出现薄云区域的过度校正和厚云区域的填充不充分的问题。为了解决这些挑战，可以引入结合物理模型的先验知识，以约束深度学习网络的学习过程。这种方法不仅为深度学习提供了理论支撑，还能够更好地应对不同程度的云干扰，从而提高云去除效果的可靠性。
技术实现思路
1、本专利技术的目的是为现有光学遥感影
2、为了实现上述目的，本专利技术的技术方案如下：
3、一种物理模型引导和曼巴结合的云去除方法包括以下步骤：
4、11）构建数据集：收集成对的有云光学遥感影像和无云光学遥感影像，并进行匹配和辐射校正操作，消除不同影像间由于收集时间造成的整体光谱差异；对收集到的大尺寸光学遥感卫星影像进行50%重叠裁切，裁切成256×256的固定大小，保证云去除方法的实现效果和效率；从多光谱图像中选择红、绿、蓝3个波段的数据进行波段合成，这四个波段是现有光学遥感卫星的通用波段，保证云去除方法对不同光学遥感卫星兼容；通过人工筛选，控制有云光学影像中完全无云影像，薄云影像，厚云影像，薄云和厚云共存影像的数据比例，数据集中四种影像的比例为1：2：2：5；最终获得的数据集分为训练集和验证集，数据量分别为10000对和2000对大小为256×256的有云和无云影像切片，完成数据集构建；
5、12）物理模型引导的云分布显著图估计：单张影像中不同区域受云雾的影响不同，薄云覆盖地区在遥感影像上表现为大区域范围内集中小区域范围内离散，并且没有特定的形状，色调比周围的无云地物略高；厚云覆盖区域在大多数情况下覆盖范围比薄云小，通常会聚集在某一块区域呈朵状，色调为亮白色；因此，基于视觉显著性原理计算遥感影像强度、颜色和方向特征的显著图，估计遥感影像受云雾干扰的不同程度，根据大气辐射传输物理模型对云的分布进行薄云区域和厚云区域划分，以此知识辅助基于曼巴的云去除模型实现云去除；
6、13）基于曼巴的云去除模型构建与模型参数训练：曼巴视觉状态空间基础模块是一种具有全局信息提取能力的基本深度学习网络结构，通过使用四个方向的扫描来将二维图像转化为一维输入序列，并使用离散化的迭代公式进行建模；结合曼巴视觉状态空间基础模块的优势和影像中不同云分布区域划分的特点构建基于曼巴的云去除模型，将训练集中的有云光学遥感影像作为输入，以与之配对的无云光学遥感影像作为参考对模型进行有监督迭代训练，保存在验证集上云去除性能最佳的权重作为云去除模型的参数；
7、14）云去除性能验证：获取待处理有云光学卫星影像数据，进行辐射校正、波段合成和重叠裁剪处理后输入已经训练好的模型，最终获取云去除结果。
8、所述的基于物理模型引导的云分布显著图区域划分包括以下步骤：
9、21）构建高斯金字塔获取强度、颜色和方向特征的显著图；
10、211）计算强度显著图，一幅彩色图像由红、绿、蓝三分量构成，强度图由三个分量的平均值计算实现，使用高斯金字塔处理强度图，获取强度图的金字塔特征，合成强度显著图，公式如下：
11、,
12、其中，表示强度金字塔图像，每一级金字塔图像用进行区分，表示强度金字塔图像共有9级，和分别为第c级和第s级强度金字塔图像，，代表叠加操作，对由c和k参数选择的多幅强度特征图进行逐像素相加取平均值；上式通过叠加 6 幅强度特征图，θ代表将放大到的尺寸后，两图像逐像素相减，再取绝对值产生强度特征图，叠加6幅强度特征图，并进行平方标准化操作形成最终的强度显著图；
13、212）计算颜色显著图，在计算颜色特征图之前，计算强度图中的最大值，当强度图像中某个像素小于最大值的1/10时，设置彩色图像的对应点r、g、b值为0，重新创建颜色分量，计算公式如下：
14、,
15、r、g、b 表示标准化后的颜色分量矩阵。使用高斯金字塔分别处理rr、gg、 bb、y，形成四个图像金字塔；、、、分别表示各个金字塔中的图像，每个图像金字塔均为9级，颜色特征图计算如下：
16、,
17、由上述式子可产生12个颜色特征图，叠加颜色特征图，形成颜色显著图，计算公式如下：
18、;
19、213）计算方向显著图，取四个方向的 gabor 核，即， 使用一个方向的gabor核处理强度图像，产生一个方向gabor金字塔，四个方向可产生四个gabor金字塔，用表示gabor金字塔特征， 表示每个图像金字塔均为9级，方向特征图的计算公式如下：
20、,
21、和分别表示方向为金字塔中的第c级和第s级金字塔图像，通过操作算子，产生方向特征图，方向显著图通过叠加24个方向特征图形成，计算公式如下：
22、;
23、22）由大气辐射传输模型可知，透射率代表影像中当前像素点的地表信息保留程度，透射率越低说明云层越厚地表信息越难恢复，利用计算所得的强度、颜色和方向特征的显著图对透射率进行估计，通过透射率权重对薄云区域和厚云区域进行划分，引导云去除网络感知影像中不同区域地表信息恢复难易程度；
24、221）大气辐射传输模型如下：
25、,
26、其中，为影像中一个像素位置，代表有云影像，代表无云影像，代表全局大气光值，设置为当前影像切片中最大的像素值，代表透射率；
27、222）基于大气辐射传输模型，利用强度、颜色和方向显著图计算出影像各个像素的相对透射率，计算公式如下：
28、,
29、其中，代表当前影像的相对透射率图，取值范围为[0,1]，表示修正项，过滤显著图中的异常值。
30、所述基于曼巴的云去除模型构建与模型参数本文档来自技高网...
【技术保护点】
1.一种物理模型引导和曼巴结合的云去除方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种物理模型引导和曼巴结合的云去除方法，其特征在于，所述基于物理模型引导的云分布显著图区域划分包括以下步骤：
3.根据权利要求1所述的一种物理模型引导和曼巴结合的云去除方法，其特征在于，基于曼巴的云去除模型构建与模型参数训练包括以下步骤：
【技术特征摘要】
1.一种物理模型引导和曼巴结合的云去除方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种物理模型引导和曼巴结合的云去除方法，其特征在于，所述基于物理模型引导...
【专利技术属性】
技术研发人员：汪安铃，徐凯，钱磊，潘如杭，贾兆红，
申请(专利权)人：安徽大学，
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。