[发明专利]SAR遥感图像到光学遥感图像的翻译方法

权利要求书

1.一种SAR遥感图像到光学遥感图像的翻译方法，其特征在于包括训练阶段和测试阶段两个过程；

所述的训练阶段过程的具体步骤为：

步骤1_1：构建一个对抗神经网络：该对抗神经网络包括生成器网络和判别器网络；生成器网络由依次连接的第一卷积层、第二卷积层、第三卷积层、第四卷积层、第五卷积层、第六卷积层、第七卷积层、第八卷积层、第九卷积层、第一反卷积层、第二反卷积层、第三反卷积层、第四反卷积层、第五反卷积层、第六反卷积层、第七反卷积层、第八反卷积层、第九反卷积层组成，第一卷积层的输入端接收待处理的灰度图像，第八卷积层与第二反卷积层之间进行跳跃连接，第七卷积层与第三反卷积层之间进行跳跃连接，第六卷积层与第四反卷积层之间进行跳跃连接，第五卷积层与第五反卷积层之间进行跳跃连接，第四卷积层与第六反卷积层之间进行跳跃连接，第三卷积层与第七反卷积层之间进行跳跃连接，第二卷积层与第八反卷积层之间进行跳跃连接，第一卷积层与第九反卷积层之间进行跳跃连接，第九反卷积层的输出端输出一幅三通道图像；判别器网络由依次连接的第十卷积层、第十一卷积层、第十二卷积层、第十三卷积层、第十四卷积层组成，第十卷积层的输入端接收待处理的灰度图像和一幅三通道图像，第十四卷积层的输出端输出一个数值给sigmoid函数，sigmoid函数输出一个区间[0,1]内的值；

其中，第一卷积层的卷积核的窗口尺寸为5×5、步长为1×1、深度为64，第二卷积层的卷积核的窗口尺寸为3×3、步长为1×1、深度为64，第三卷积层、第七反卷积层的卷积核的窗口尺寸为4×4、步长为2×2、深度为64，第四卷积层、第六反卷积层的卷积核的窗口尺寸为4×4、步长为2×2、深度为128，第五卷积层、第五反卷积层的卷积核的窗口尺寸为4×4、步长为2×2、深度为256，第六卷积层、第四反卷积层的卷积核的窗口尺寸为4×4、步长为2×2、深度为512，第七卷积层、第八卷积层、第九卷积层、第一反卷积层、第二反卷积层、第三反卷积层的卷积核的窗口尺寸为4×4、步长为2×2、深度为1024，第八反卷积层的卷积核的窗口尺寸为4×4、步长为2×2、深度为64，第九反卷积层的卷积核的窗口尺寸为3×3、步长为1×1、深度为3，第十反卷积层的卷积核的窗口尺寸为3×3、步长为1×1、深度为48，第十一反卷积层的卷积核的窗口尺寸为3×3、步长为1×1、深度为96，第十二反卷积层的卷积核的窗口尺寸为3×3、步长为1×1、深度为192，第十三反卷积层的卷积核的窗口尺寸为3×3、步长为1×1、深度为384，第十四反卷积层的卷积核的窗口尺寸为3×3、步长为1×1、深度为1；

步骤1_2：获取多幅同尺寸的SAR遥感图像及对应的光学遥感图像；然后对每幅SAR遥感图像进行预处理，得到每幅SAR遥感图像的预处理图像；再将多幅SAR遥感图像的预处理图像及对应的光学遥感图像构成训练集；

步骤1_3：根据多幅SAR遥感图像所属的地物的不同，将训练集分成若干个子集，一个子集对应一个地物；

步骤1_4：针对任一个子集，获取该子集对应的对抗神经网络预测模型，具体过程为：将该子集中的每幅光学遥感图像作为标签图像，并将对应的预处理图像作为待处理的灰度图像输入到对抗神经网络中，对生成器网络和判别器网络交替进行训练，训练过程中使用的损失函数为在该子集中的所有预处理图像处理完毕后得到该子集对应的对抗神经网络预测模型；其中，L表示损失函数值，E[]表示数学期望，x表示待处理的灰度图像，y表示标签图像，D(x,y)表示判别器网络的输入为x和y时判别器网络的输出，G(x)表示生成器网络的输入为x时生成器网络的输出，D(x,G(x))表示判别器网络的输入为x和G(x)时判别器网络的输出，λ₁和λ₂均为权重系数，SSIM(G(x),y)表示G(x)与y的结构相似度值，符号“|| ||_L1”为求L1范数运算符号；

所述的测试阶段过程的具体步骤为：

步骤2_1：对待翻译的SAR遥感图像进行预处理，得到待翻译的SAR遥感图像的预处理图像；

步骤2_2：根据待翻译的SAR遥感图像所属的地物，选择相应的对抗神经网络预测模型；然后将待翻译的SAR遥感图像的预处理图像作为所选择的对抗神经网络预测模型中的生成器的输入，所选择的对抗神经网络预测模型中的生成器输出翻译结果。