【技术实现步骤摘要】
本公开的实施例涉及遥感图像超分辩，具体涉及为一种基于gan神经网络的遥感图像超分辨率恢复方法，其为一种输入高分辨率图像生成对应超分辨率图像的深度学习技术。
技术介绍
1、卫星图像是一种重要的地理信息来源，可用于不同的应用领域，如环境监测、农作物类型识别、土地利用/覆盖制图、灾害管理、决策支持系统、天气预报、气候建模、地理物体探测和生物物理参数估计等，已被地球科学各学科广泛使用。由于光学和传感器的限制，地球观测卫星的空间和光谱分辨率通常达不到预期的高水平。因此，开发基于软件的算法来提高卫星图像的空间和光谱质量至关重要。单幅遥感图像超分辨率为提高低分辨率卫星图像输入的空间和/或光谱分辨率、改善图像处理应用和去噪性能提供了有效的解决方案。因此，它已成为遥感领域最热门的研究课题之一
2、随着深度学习技术在场景分类、物体检测、图像分割等多种视觉任务中的快速发展和显著进步，基于深度学习的遥感图像超分辨率方法大幅增加，大大提高了卫星图像的质量。
技术实现思路
1、本公开要解决的技术问题为：针对目前遥感图像的分辨率无法达到预期水平的现象，开发一个基于gan神经网络架构的遥感图像超分辩方法。该方法通过构造子区域均匀剪裁模块为高分辨率图像生成对应的低分辨率训练对；搭建gan神经网络用于对抗生成；构造逆变换图像解码器作为gan网络框架中的生成器网络拟合超分辨过程，再将利用鉴别器网络判别生成图片的真实程度，用于梯度下降训练gan网络。本公开实现了基于对抗神经网络以及局部语义信息融合的遥感图像超
2、本公开采用的技术方案为：一种基于gan神经网络的遥感图像超分辨率恢复方法，包括以下四个步骤：
3、步骤一，模拟场景语义理解过程生成低分辨率图像：构造子区域均匀剪裁模块，筛选出图像中包含高语义信息的坐标，生成语义一致但是内容模糊的图像块，组成高分辨率-低分辨率的训练数据对；
4、步骤二，由逆变换图像解码器生成高分辨率图像：将低分辨率图像输入逆变换图像解码器之中，通过由嵌套的卷积层、正则化层以及激活函数层组成的网络结构对图像进行去模糊，生成高分辨率图像，计算生成图像与配对的原始高分辨图像的均方误差损失、能量密度损失以及对抗损失用于后续的网络训练；
5、步骤三，鉴别器网络判别生成图像真实程度：将生成图像输入对抗网络的鉴别器，鉴别器计算生成图像每个像素的真实度值以及总体图像为真的预测概率，根据预测概率计算出gan网络的损失；
6、步骤四，梯度下降训练gan神经网络：生成器网络的损失由步骤二与步骤三中计算得出的均方误差损失、能量密度损失以及对抗损失相加得到，鉴别器网络的损失使用二元交叉熵损失函数，生成器网络的损失以及鉴别器网络的损失均利用梯度下降方法优化网络的参数，进行独立训练，在经过多轮训练后，生成器可以较好地模拟分辨率提升过程，从而将低分辨率遥感图像转化为超分辨率图像。
7、本公开的原理在于：
8、(1)模拟场景语义理解过程生成低分辨率图像，构成训练对。通过自适应的对遥感图像描述场景物体密集分布的区域进行聚类，得到具有丰富语义信息的子区域，提升了小尺度子区域的数据分布优势。
9、(2)采取gan神经网络来模拟分辨率恢复的过程，通过生成器和判别器之间的对抗训练来生成逼真的样本。
10、(3)在图像重建方面的均方误差损失、gan网络方面的对抗损失的基础上增加能量密度损失，可以促使网络生成的图像更加清晰，同时也约束原始图像和超分图像低层特征图之间尽可能相近，保留了原始图像的内容信息近。
11、本公开与现有技术相比的优点在于：提出了一种子区域均匀剪裁模块。该模块可筛选出图像中包含高语义信息的坐标，生成语义一致但是内容模糊的图像块。通过该模块构建的训练对相较于现有技术生成的训练对具有更好的场景语义信息识别与保留能力。提出一种用于超分辨图像生成的能量密度损失函数，通过约束生成图像与原始图像信息能量误差，提升生成图像质量。
本文档来自技高网...【技术保护点】
1.一种基于GAN神经网络的遥感图像超分辨率恢复方法，其特征在于：包括以下四个步骤：
2.根据权利要求1所述的生成低分辨率图像，其特征在于：所述步骤一构造的子区域均匀剪裁模块，包括以下五个计算步骤：
3.根据权利要求1所述的生成高分辨率图像，其特征在于：所述由逆变换图像解码器生成高分辨率图像，其具体步骤如下：
4.根据权利要求1所述的别器网络判别生成图像真实程度以及梯度下降训练GAN神经网络，其特征在于：鉴别器采用基于全局-局部检测融合网络结构设计，接受逆变换图像解码器生成的图片然后输出每个像素的真实度值和该图片判别为真的概率，生成器根据返回的真实概率计算交叉熵损失，具体计算方式如下：
【技术特征摘要】
1.一种基于gan神经网络的遥感图像超分辨率恢复方法，其特征在于：包括以下四个步骤：
2.根据权利要求1所述的生成低分辨率图像，其特征在于：所述步骤一构造的子区域均匀剪裁模块，包括以下五个计算步骤：
3.根据权利要求1所述的生成高分辨率图像，其特征在于：所述由逆变换图像解码器生成高分辨率图...
【专利技术属性】
技术研发人员：李录，朱厦，倪少峰，李静，赵文博，
申请(专利权)人：国网思极位置服务有限公司，
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。