[发明专利]基于卡通纹理分解和深度学习的SAR图像超分辨方法及系统

说明书

本发明属于图像超分辨领域，提供了一种基于卡通纹理分解和深度学习的SAR图像超分辨方法及系统。该方法包括，获取SAR图像的高分辨率图像HR和低分辨率图像LR，构成LR‑HR图像对，构建训练集和测试集；分别对高分辨率图像HR和低分辨率图像LR进行卡通纹理分解；构建深度学习网络模型，采用训练集对构建深度学习网络模型进行训练，包括：将LR‑HR卡通图像对输入深度学习网络模型的卡通图像处理网络进行训练，将LR‑HR纹理图像对输入深度学习网络模型的纹理图像处理网络进行训练，调整模型参数，直至深度学习网络模型收敛，得到训练完成后的深度学习网络模型；将待处理的SAR图像输入训练后的深度学习网络模型，得到超分辨SAR图像。

技术领域

本发明属于图像超分辨领域，尤其涉及一种基于卡通纹理分解和深度学习的SAR图像超分辨方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

合成孔径雷达相对于光学雷达具有全天时、全天候对地监测的能力。它可以应用在灾后救援，军事侦察，非法船只偷渡监测等领域。通过从低分辨率SAR图像重建出高分辨率图像，可以增强图像的地物信息，提高图像的应用水平。通过软件的方法来提高SAR图像分辨率，可以降低成本。

现存的超分辨方法主要有基于插值的超分辨算法，基于重构的超分辨算法，基于深度学习的超分辨算法，由于基于深度学习的具有很多优点，是目前主流的一种方法。

但是，现存的深度学习网络大多针对整张图像做相同的处理，这就导致一张图像中光滑的部分在进行图像恢复时增加了运算复杂度。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供一种基于卡通纹理分解和深度学习的SAR图像超分辨方法及系统，其首先将一张图像分为卡通部分和纹理部分，然后对每一部分做相应的处理，这样就可以减少整体的运算复杂度。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种基于卡通纹理分解和深度学习的SAR图像超分辨方法。

基于卡通纹理分解和深度学习的SAR图像超分辨方法，包括：

获取SAR图像的高分辨率图像HR和低分辨率图像LR，构成LR-HR图像对，构建训练集和测试集；

分别对高分辨率图像HR和低分辨率图像LR进行卡通纹理分解；

构建深度学习网络模型，采用训练集对构建深度学习网络模型进行训练，包括：将LR-HR卡通图像对输入深度学习网络模型的卡通图像处理网络进行训练，将LR-HR纹理图像对输入深度学习网络模型的纹理图像处理网络进行训练，调整模型参数，直至深度学习网络模型收敛，得到训练完成后的深度学习网络模型；

将待处理的SAR图像输入训练后的深度学习网络模型，得到超分辨SAR图像。

进一步的，所述低分辨率图像LR的获取包括：获取SAR图像的高分辨率图像HR，对高分辨率图像HR进行下采样，并将下采样后的图像扩展为所述高分辨率图像HR的尺寸，得到低分辨率图像LR，形成LR-HR图像对。

进一步的，所述对高分辨率图像HR进行卡通纹理分解包括，将高分辨率图像HR分解成卡通部分和纹理部分，得到HR卡通图像和HR纹理图像。

进一步的，所述对低分辨率图像LR进行卡通纹理分解包括，将低分辨率图像LR分解成卡通部分和纹理部分，得到LR卡通图像和LR纹理图像。