[发明专利]高光谱遥感数据图像的重构增强方法及装置

权利要求书

1.一种高光谱遥感数据图像的重构增强方法，其特征在于，包括以下步骤：

构建训练数据集；

对所述训练数据集进行数据扩充，得到扩充后的高光谱遥感数据；

通过数据压缩算法对所述扩充后的高光谱遥感数据进行压缩重构处理，得到所述扩充后的高光谱遥感数据对应的重构数据；

构建Hyper-SR模型；

利用所述扩充后的高光谱遥感数据和所述重构数据，对所述Hyper-SR模型进行训练，训练完成后，得到训练好的Hyper-SR模型；

通过所述训练好的Hyper-SR模型对所述重构数据进行增强处理，得到增强后的重构图像。

2.如权利要求1所述的一种高光谱遥感数据图像的重构增强方法，其特征在于，所述对训练数据集进行数据扩充，得到扩充后的高光谱遥感数据的步骤，具体包括：

构建CVAE-GAN模型；

利用所述训练数据集对所述CVAE-GAN模型进行训练，训练完成后，得到训练好的CVAE-GAN模型；

通过所述训练好的CVAE-GAN模型对所述训练数据集进行数据扩充，得到扩充后的高光谱遥感数据。

3.如权利要求1所述的一种高光谱遥感数据图像的重构增强方法，其特征在于，所述构建训练数据集的步骤，具体包括：

采集原始高光谱遥感数据；

对所述原始高光谱遥感数据的频谱中吸水带的频段和部分低信噪比频段剔除，得到频带剔除后的高光谱遥感数据；

对所述频带剔除后的高光谱遥感数据进行均值归一化处理，得到归一化后的高光谱遥感数据；

将所述归一化后的高光谱遥感数据分割成单个的高光谱像素，从多个所述高光谱像素中随机采样得到训练数据集。

4.如权利要求3所述的一种高光谱遥感数据图像的重构增强方法，其特征在于，使用星载高光谱传感器对地面进行图像采集，获得所述原始高光谱遥感数据。

5.如权利要求2所述的一种高光谱遥感数据图像的重构增强方法，其特征在于，所述CVAE-GAN模型的训练采用交替训练的方式来训练网络的各个部分，在生成对抗网络GAN部分的训练过程使用批归一化。

6.如权利要求1所述的一种高光谱遥感数据图像的重构增强方法，其特征在于，所述Hyper-SR模型由三个残差块变体链接组成，将所述重构数据输入所述Hyper-SR模型，得到残差图像，将所述残差图像和所述重构数据进行相加，得到高信噪比图像，最终实现图像增强。

7.如权利要求6所述的一种高光谱遥感数据图像的重构增强方法，其特征在于，每个所述残差块由三个卷积层组成，各所述卷积层的卷积核维度分别为1x1、3x3、1x1，各所述卷积层均使用ReLu激活函数。

8.如权利要求1所述的一种高光谱遥感数据图像的重构增强方法，其特征在于，所述Hyper-SR模型的损失函数为：

其中，m表示batch size的大小，HSR表示Hyper-SR网络，y_i表示扩充后的高光谱遥感数据，x_i表示重构数据，即网络的输入。

9.如权利要求1所述的一种高光谱遥感数据图像的重构增强方法，其特征在于，所述Hyper-SR模型为没有全连接层的全卷积网络，能输入任意尺寸的图像。

10.一种高光谱遥感数据图像的重构增强装置，其特征在于，包括以下模块：

数据集构建模块，用于构建训练数据集；

数据扩充模块，用于对所述训练数据集进行数据扩充，得到扩充后的高光谱遥感数据；

数据重构模块，用于通过数据压缩算法对所述扩充后的高光谱遥感数据进行压缩重构处理，得到所述扩充后的高光谱遥感数据对应的重构数据；

模型构建模块，用于构建Hyper-SR模型；

模型训练模块，用于利用所述扩充后的高光谱遥感数据和所述重构数据，对所述Hyper-SR模型进行训练，训练完成后，得到训练好的Hyper-SR模型；

数据增强模块，用于通过所述训练好的Hyper-SR模型对所述重构数据进行增强处理，得到增强后的重构图像。