[发明专利]基于混合随机降采样的遥感影像超分辨率重构方法和装置

权利要求书

1.一种基于混合随机降采样的遥感影像超分辨率重构方法，其特征在于，包括：

对待重建目标的多尺度米级分辨率的光学遥感影像进行混合随机降采样处理，得到高分辨率影像矩阵和低分辨率影像矩阵，并构建高低分辨率图像块映射矩阵；

将所述高低分辨率图像块映射矩阵作为训练样本，进行深度学习训练，得到用于光学遥感影像超分辨率重构的超分辨率重构模型；

基于所述超分辨率重构模型，对待重建目标光学遥感影像进行超分辨率重构。

2.根据权利要求1所述的基于混合随机降采样的遥感影像超分辨率重构方法，其特征在于，对待重建目标的多尺度米级分辨率的光学遥感影像进行混合随机降采样处理前，还包括：

获取包含待重建目标的多尺度米级分辨率的光学遥感影像，并对所述光学遥感影像进行灰度变换和亮度拉伸；

对拉伸后的光学遥感影像进行目标剪裁，得到目标影像，并基于仿射变换方法对所述目标影像进行翻转变换，得到数量增广后多个角度的目标影像。

3.根据权利要求2所述的基于混合随机降采样的遥感影像超分辨率重构方法，其特征在于，获取包含待重建目标的多尺度米级分辨率的光学遥感影像具体包括：

收集包括待重建目标的多尺度米级分辨率光学遥感影像，其中，收集的光学遥感影像还包括与待重建目标关联的关联目标、关联场景，所述多尺度米级分辨率包括0.7m、1m、2m、5m。

4.根据权利要求2所述的基于混合随机降采样的遥感影像超分辨率重构方法，其特征在于，并对所述光学遥感影像进行灰度变换和亮度拉伸，具体包括：

对所述光学遥感影像进行彩色空间变换，提取亮度波段的影像作为灰度变换影像；

基于非线性Gamma拉伸方法对所述灰度变换影像进行亮度拉伸，将拉伸后的得到的8bit/16bit类型的影像转换为double类型的影像。

5.根据权利要求2所述的基于混合随机降采样的遥感影像超分辨率重构方法，其特征在于，对拉伸后的光学遥感影像进行目标剪裁，具体包括：

建立待重建目标的最小外界矩形，获取所述最小外界矩形的长轴两端点的像素坐标以及短轴两端点的像素坐标，并将其设为剪裁坐标；

通过随机映射剪裁坐标以对所述光学遥感影像进行中心点多角度的旋转剪裁，得到批量目标影像。

6.根据权利要求1所述的基于混合随机降采样的遥感影像超分辨率重构方法，其特征在于，对待重建目标的光学遥感影像进行混合随机降采样处理，具体包括：

将待重建目标的光学遥感影像输入到包含多个降采样算子的混合随机降采样模型，对处理后的影像进行阈值切块；

对混合随机降采样模型处理后的影像块的数据结构组织形式为：ψ1(x_i，y_i，1，z₁)、ψ₂(x_i，y_i，1，z₂)、ψ₃(x_i，y_i，1，z₃)、ψ₄(x_i，y_i，1，z₄)，并形成低分辨率影像矩阵：E_低(x_i，y_i，1，z₅)，其中z₅＝z₁+z₂+z₃+z₄，x_i和y_i为像素坐标；

基于阈值分割得到高分辨率影像矩阵：E_高(x_j，yj，1，z5)，j＝i+size-1，size为低分辨率影像块块尺寸。

7.根据权利要求6所述的基于混合随机降采样的遥感影像超分辨率重构方法，其特征在于，所述降采样算子包括高斯模糊算子Gauss、邻域低通采样算子Lanczos、最近邻插值采样算子Nearest、三次卷积内插算子Bicubic。