[发明专利]基于内容感知深度学习网络的遥感图像超分辨率重建方法

权利要求书

1.一种基于内容感知深度学习网络的遥感图像超分辨率重建方法，其特征在于，包括以下步骤：

步骤1：收集高低分辨率遥感图像样本，并进行分块处理；

步骤2：计算每个图像块的复杂度，按复杂度分成高、中、低三类，分别构成高、中、低复杂度的训练样本集；

其中所述图像块的复杂度，其计算方法为：

C＝w_h×H+w_u×U+w_e×R；

其中，C表示图像块的复杂度，H表示图像信息熵，U表示图像灰度一致性，R表示图像边缘比率，w_h，w_u，w_e分别是各自的权重，权重由实验确定；

步骤3：利用获得的样本集分别训练高、中、低复杂度的三种GAN网络；

其中GAN网络训练的损失函数定义为：

其中，C表示网络训练的损失函数，表示内容损失函数，表示生成-对抗损失函数，表示全变差损失函数；w_v，w_g，w_t分别是各自的权重，权重由实验确定；

步骤4：计算输入图像的复杂度，根据复杂度选取对应的GAN网络重建；

步骤4的具体实现包括以下子步骤：

步骤4.1：将输入图像均匀划分，计算每个子图的复杂度，并判断属于高、中、低复杂度的类型；

步骤4.2：根据复杂度类型选取相应的GAN网络进行超分辨率重建。

2.根据权利要求1所述的基于内容感知深度学习网络的遥感图像超分辨率重建方法，其特征在于：步骤1中，将高分辨率图像均匀地切分成128x128的图像块、低分辨率图像均匀地切分成64x64的图像块。

3.根据权利要求1所述的基于内容感知深度学习网络的遥感图像超分辨率重建方法，其特征在于，所述图像信息熵H的计算公式为：

其中，N为灰度级的个数,n_i为每个灰度级出现的个数，K为灰度级数目。

4.根据权利要求1所述的基于内容感知深度学习网络的遥感图像超分辨率重建方法，其特征在于，所述图像灰度一致性U公式为：

其中,M、N分别为图像的行数和列数,f(i,j)是像素(i,j)处的灰度值,是以(i,j)为中心的3×3邻域像素的灰度均值。

5.根据权利要求1所述的基于内容感知深度学习网络的遥感图像超分辨率重建方法，其特征在于，所述图像边缘比率R计算公式为：

其中，M和N分别为图像的行数和列数；E为图像中边缘像素的个数，由差分算法来求取。

6.根据权利要求1-5任意一项所述的基于内容感知深度学习网络的遥感图像超分辨率重建方法，其特征在于：步骤2所述高、中、低复杂度的训练样本集，其中高复杂度的训练样本集图像块数量不少于500000，中复杂度的训练样本集图像块数量不少于300000，低复杂度的训练样本集图像块数量不少于200000。

7.根据权利要求1所述的基于内容感知深度学习网络的遥感图像超分辨率重建方法，其特征在于，所述内容损失函数为：

其中，φ_i,j表示VGG网络中第i个池化层前面的第j个卷积层得到的特征图，W_i,j，H_i,j表示VGG特征图的维度；表示参考图像，表示重构图像。

8.根据权利要求1所述的基于内容感知深度学习网络的遥感图像超分辨率重建方法，其特征在于，所述生成-对抗损失函数为：

其中，表示重构图像，D(G(I^LR))表示判别器D将重构结果判别为自然图像的概率；N表示训练样本的总数。