[发明专利]遥感图像超分辨率重建方法、处理装置及可读存储介质

说明书

一种遥感图像超分辨率重建方法、处理装置及可读存储介质，该方法包括对图像进行预处理，构建生成对抗网络模型，对生成对抗网络模型进行优化、迁移学习等处理，最终得到能够输出与输入的低分辨率遥感图像相对应的超分辨率遥感图像的网络模型。本发明通过去除卷积神经网络中残差模块的批归一化对生成对抗网络模型进行优化，并利用迁移学习的方法训练生成对抗网络模型，克服遥感图像数量少、质量不高导致模型难以训练的难题，在节省内存消耗(约40％)的同时，提高了重建结果的性能指标和视觉效果。

技术领域

本发明涉及光学遥感图像的超分辨率重建技术领域，尤其涉及一种基于迁移学习和优化的生成对抗网络模型相结合的遥感图像超分辨率重建方法、处理装置及可读存储介质。

背景技术

遥感技术作为获取地物信息的重要手段，在资源调查、土地利用、城市规划、作物估产、国土普查、建筑物选址、荒漠化监测、环境保护、天气预报、灾害监测、气候变化及国防军工等方面均取得了显著的社会效益和经济效益，有着重要的作用。遥感影像的空间分辨率是衡量遥感影像质量的关键性指标，利用分辨率高的影像可获得更为丰富和清晰的地物细节，提高遥感影像的应用潜力，便于高层次的视觉判读，是遥感数据获取技术的趋向之一。然而在遥感领域，受成像环境、成像平台、传感器成本等多方面的制约，通常难以获得满足实际应用的遥感影像。

目前，获取高分辨率遥感影像的方法有通过硬件的方法、硬软件结合的方法和软件的方法。通过硬件的方法主要有降低卫星轨道高度、增加每单元面积的像素数量和扩大芯片尺寸等。然而，轨道高度的降低会限制影像的图幅；像素尺寸的减少会导致光通量也随之减少，所产生的散粒噪声使得图像质量严重恶化；增加芯片的尺寸的难题在于提高大容量的偶合转换率比较困难，而且高精度光学和图像传感器价格高。通过硬软件结合的方法普适性不强，无法应用于现存的遥感图像采集系统。

通过软件的方法即超分辨率重建不仅可以提高遥感影像的空间分辨率，而且成本较低，已成为遥感影像分辨率提升领域研究的热点。超分辨率重建方法通过一幅或多幅低分辨率图像重建高分辨率图像，从而提高图像的空间分辨率。其关键技术是获得额外附加信息来弥补图像在降质过程中损失的细节信息。图像的超分辨率重建旨在通过图像处理算法，利用低分辨率图像的特征信息，重建对应的高分辨率图像。

遥感图像的超分辨率复原技术主要分为两大类，基于重建的方法和基于学习的方法。随着深度学习技术的飞速发展，基于学习的方法又分为了基于浅层学习的方法和基于深度学习的方法。基于学习的超分辨率复原算法主要包括训练样本库的建立和组织(特征提取)、学习(搜索)模型以及高频信息重建过程三个部分。目前，常用的浅层学习方法有基于示例的方法、基于流形学习的方法，基于稀疏表示的方法。然而这类算法各阶段分别独立设计优化，且学习模型的特征提取与表达能力有限。