[发明专利]基于AM-GAN的遥感图像去云方法、装置、设备及存储介质

权利要求书

1.一种基于AM-GAN的遥感图像去云方法，其特征在于，所述基于AM-GAN的遥感图像去云方法包括：

获取有云图像组与无云图像组，通过预设方式对所述有云图像组与无云图像组形成的数据对进行配准，并将配准得到的第一图像组裁切为预设格式的第二图像组，根据所述第二图像组形成训练集，将所述训练集中的有云图像作为网络模型的输入进行训练，并以所述训练集中的无云图像作为训练目标，通过损失函数对所述网络模型进行网络参数训练，得到目标网络模型，所述目标网络模型中包含生成器与鉴别器，所述生成器至少包括注意力循环网络、负残差网络、标准残差块；

获取待处理图像，基于所述注意力循环网络中的ResNet对所述待处理图像进行处理，得到第一特征图；

根据所述注意力循环网络中的LSTM对所述第一特征图进行处理，得到第二特征图；

根据所述注意力循环网络中的卷积层对所述第二特征图进行处理，得到所述待处理图像的注意力图；

根据所述注意力图结合负残差网络对所述待处理图像进行去云处理，得到目标特征图；

基于标准残差块对所述目标特征图进行图像重建，得到无云背景图像；

对所述无云背景图像进行鉴别，得到鉴别结果，以根据所述鉴别结果确定是否对所述待处理图像完成去云处理。

2.如权利要求1所述的基于AM-GAN的遥感图像去云方法，其特征在于，所述根据所述注意力循环网络中的LSTM对所述第一特征图进行处理，得到第二特征图的步骤包括：

基于所述注意力循环网络中的LSTM接收所述第一特征图；

获取激活函数，基于所述第一特征图结合所述激活函数对所述LSTM的门进行激活，得到激活数据；

根据所述激活数据对所述LSTM的存储单元与隐藏状态进行更新，得到第二特征图。

3.如权利要求1所述的基于AM-GAN的遥感图像去云方法，其特征在于，所述根据所述注意力循环网络中的卷积层对所述第二特征图进行处理，得到所述待处理图像的注意力图的步骤包括：

根据所述注意力循环网络中的卷积层对所述第二特征图进行处理，得到初始注意力图；

将所述初始注意力图确定为新的待处理图像，并执行基于所述注意力循环网络中的ResNet对所述待处理图像进行处理，得到第一特征图的步骤，直至执行次数达到预设次数，得到所述待处理图像的注意力图。

4.如权利要求1所述的基于AM-GAN的遥感图像去云方法，其特征在于，所述根据所述注意力图结合负残差网络对所述待处理图像进行去云处理，得到目标特征图的步骤包括：

根据负残差网络对所述待处理图像进行处理，得到第三特征图；

根据所述注意力图对所述第三特征图进行去云处理，得到目标特征图。

5.如权利要求4所述的基于AM-GAN的遥感图像去云方法，其特征在于，所述根据所述注意力图对所述第三特征图进行去云处理，得到目标特征图的步骤包括：

将所述第三特征图与所述注意力图进行第一预设运算，得到第四特征图；

获取对所述待处理图像进行标准残差处理的第五特征图；

将所述第四特征图与所述第五特征图进行第二预设运算，得到目标特征图。

6.如权利要求1所述的基于AM-GAN的遥感图像去云方法，其特征在于，所述对所述无云背景图像进行鉴别，得到鉴别结果的步骤包括：

将所述无云背景图像输入由卷积层和CBR组成的鉴别器，通过所述鉴别器对所述无云背景图像进行鉴别，得到鉴别结果。