[发明专利]遥感图像融合模型的训练方法及装置

权利要求书

1.一种遥感图像融合模型的训练方法，其特征在于，包括：

获取至少两组遥感图像；其中，所述至少两组遥感图像为不同卫星对同一地物目标进行成像所获得的图像；

对所述至少两组遥感图像进行配准；

将配准后的所述至少两组遥感图像作为训练样本，对预设的深度残差神经网络模型进行训练，得到遥感图像融合模型。

2.根据权利要求1所述的方法，其特征在于，每组所述遥感图像包括全色图像和多光谱图像，所述对所述至少两组遥感图像进行配准，包括：

对所述至少两组遥感图像中的全色图像进行配准，以及对所述至少两组遥感图像中的多光谱图像进行配准。

3.根据权利要求2所述的方法，其特征在于，所述对所述至少两组遥感图像中的全色图像进行配准，包括：

获取所述全色图像中第一预设点的像素坐标；

基于所述第一预设点的像素坐标，将所述至少两组遥感图像中的全色图像进行位置配准。

4.根据权利要求2或3所述的方法，其特征在于，所述对所述至少两组遥感图像中的多光谱图像进行配准，包括：

获取所述多光谱图像中第二预设点的像素坐标；

基于所述第二预设点的像素坐标，将所述至少两组遥感图像中的多光谱图像进行位置配准；

利用位置配准后的所述全色图像，对所述多光谱图像进行像素矫正。

5.根据权利要求4所述的方法，其特征在于，所述利用位置配准后的所述全色图像，对所述多光谱图像进行像素矫正，包括：

确定位置配准后的多光谱图像与其对应的全色图像的多个重叠区域；

分别计算所述多光谱图像中所述多个重叠区域的像素平均值；

将所述多个重叠区域的像素平均值作为标准像素值，对所述多光谱图像进行像素矫正。

6.根据权利要求1所述的方法，其特征在于，所述将配准后的所述至少两组全遥感图像作为训练样本，对预设的深度残差神经网络模型进行训练，得到遥感图像融合模型，包括：

利用所述深度残差神经网络模型对所述训练样本进行特征提取，得到卷积特征，并将所述卷积特征与所述多光谱图像进行相加操作，得到残差结果；

根据所述残差结果与所述训练样本的预设标签，确定所述深度残差神经网络模型的损失函数；

利用梯度下降法根据所述损失函数，调节所述深度残差神经网络模型的参数，得到所述遥感图像融合模型。

7.根据权利要求6所述的方法，其特征在于，所述预设标签为采用Wald准则对所述训练样本进行预处理，所生成的表征全色图像与多光谱图像的标签。

8.根据权利要求6所述的方法，其特征在于，所述利用所述深度残差神经网络模型对所述训练样本进行特征提取，得到卷积特征，并将所述卷积特征与所述多光谱图像进行相加操作，得到残差结果之前，还包括：

将所述训练样本中所有遥感图像的像素值归一化到[0-1]。

9.一种遥感图像融合模型的训练装置，其特征在于，包括：

获取模块，用于获取至少两组遥感图像；其中，所述至少两组遥感图像为不同卫星对同一地物目标进行成像所获得的图像；

配准模块，用于对所述至少两组遥感图像进行配准；

训练模块，用于将配准后的所述至少两组遥感图像作为训练样本，对预设的深度残差神经网络模型进行训练，得到遥感图像融合模型。

10.一种电子设备，其特征在于，包括：

存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1-8中任一项所述的遥感图像融合模型的训练方法。

11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的遥感图像融合模型的训练方法。