[发明专利]高光谱遥感数据图像的重构增强方法及装置

说明书

本发明提供一种高光谱遥感数据图像的重构增强方法及装置，包括：对原始高光谱遥感数据预处理；构建CVAE‑GAN模型，将处理后的原始高光谱遥感数据用于CVAE‑GAN模型训练，训练完成后使用该模型进行数据扩充；对扩充后的高光谱遥感数据应用数据压缩算法，进行压缩重构处理，得到原始高光谱遥感数据对应的重构数据；构建Hyper‑SR模型，使用重构前后的图像数据训练，实现对重构图像的高质量增强。本发明方法适用于对压缩重构后失真的高光谱遥感数据进行高质量增强，能够在数据压缩的同时尽可能的保留原有的数据信息，有效提升压缩数据解码后的图像质量，本发明可以根据原始高光谱遥感数据，生成与原始数据同分布的扩充数据集，适用于缺少数据或者缺少某类的数据的情况。

技术领域

本发明涉及图像处理技术领域，尤其涉一种高光谱遥感数据图像的重构增强方法及装置。

背景技术

遥感技术是20世纪60年代兴起的一种探测技术，是根据电磁波的理论，应用各种传感仪器对远距离目标所辐射和反射的电磁波信息，进行收集、处理，并最后成像，从而对地面各种景物进行探测和识别的一种综合技术。其中，高光谱遥感技术是遥感技术一个重要分支。

高光谱遥感，即hyperspectral遥感，是用很窄而连续的光谱通道对地物持续遥感成像的技术。在可见光到短波红外波段其光谱分辨率高达纳米数量级，通常具有波段多的特点，光谱通道数多达数十甚至数百个以上，而且各光谱通道间往往是连续的，该项技术光谱分辨率高(10nm)，波段数量超多，所包含的光谱信息十分丰富，乃至海量。高光谱数据逐渐成为监视地球表面的有价值的工具，并且在各种各样的应用场景中使用，包括农业，矿物学，监测，物理学，天文学，环境科学，军事等。2019年3月正式投入使用的高分五号是中国国内光谱分辨率最高的遥感卫星，也是国际上首次实现对大气和陆地进行综合观测的全谱段高光谱卫星，可实现多种观测数据融合应用，为中国环境监测、资源勘查、防灾减灾等行业提供高质量、高可靠的高光谱数据，在中国高光谱分辨率遥感卫星应用方面具有示范作用，在掌握高光谱遥感信息资源自主权、满足国家需求等方面具有重大战略意义。

高光谱遥感数据采集设备每天会采集海量的高光谱遥感数据，传输遥感数据时会应用有损数据压缩算法对高光谱遥感数据进行压缩处理，可以有效的降低存储设备的成本，并更好地利用传输带宽，但是当地面接收到这些数据并重构高光谱遥感图像数据时，受有损压缩算法的影响，这些重构图像会不可避免的出现失真现象，这就导致了高光谱遥感数据原有的一些信息丢失。在传统算法中，数据冗余和数据压缩是相互矛盾的，拥有冗余的数据可以很好的保留原有信息但是会带来巨大的存储和传输成本，数据的压缩可以有效的节省存储和传输成本，但压缩比越高就会带来越多的信息失真。因此，在实际中，应用一种方法，对高光谱遥感数据进行压缩的同时尽可能的保留原有的信息是非常有必要的。

发明内容

本发明所要解决的一个主要技术问题是在对高光谱遥感数据进行压缩的同时尽可能的保留原有的信息。

为了实现上述目的，本发明提供了一种高光谱遥感数据图像的重构增强方法，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(Hyperspectral Super-Resolution Convolutional NeuralNetwork，超分辨率增强网络模型)，将所述Hyper-SR模型作为高光谱遥感数据图像增强模型；

利用所述扩充后的高光谱遥感数据和所述重构数据，对所述高光谱遥感数据图像增强模型进行训练，训练完成后，得到训练好的高光谱遥感数据图像增强模型；

通过所述训练好的高光谱遥感数据图像增强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。