[发明专利]一种基于卷积网络的遥感图像薄云去除方法有效
| 申请号： | 202211545342.2 | 申请日： | 2022-12-05 |
| 公开（公告）号： | CN115546076B | 公开（公告）日： | 2023-04-07 |
| 发明（设计）人： | 李冠群;俞伟学 | 申请（专利权）人： | 耕宇牧星（北京）空间科技有限公司 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00;G06T7/00;G06N3/0464;G06N3/08 |
| 代理公司： | 北京华创智道知识产权代理事务所(普通合伙) 11888 | 代理人： | 朱泽义 |
| 地址： | 100080 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 卷积 网络 遥感 图像 去除 方法 | ||
1.一种基于卷积网络的遥感图像薄云去除方法，其特征在于，包括：
获取薄云遥感图像；
将所述薄云遥感图像输入至扩张卷积分支，所述扩张卷积分支共有五个扩张卷积模块，将所述薄云遥感图像依次通过所述扩张卷积模块，得到特征图像；
将所述特征图像输入至通道叠加分支，所述通道叠加分支共有四个通道叠加模块，将所述特征图像依次通过所述通道叠加模块，得到融合图像；
所述得到融合图像的方法为：
将所述特征图像通过第一个所述通道叠加模块的公式为，
；
其中，表示通过第一个通道叠加模块的输出；
表示上采样操作；
表示多个特征之间的通道叠加；
将通过第一个所述通道叠加模块的输出依次输入至第二至第四个所述通道叠加模块，其中公式为，
；
其中，为特征的标识序号；
表示扩张卷积模块；
对通过最后一个所述通道叠加模块的输出进行精细化处理得到所述融合图像，其中公式为，
；
其中，表示通过第四个通道叠加模块的输出；
表示融合图像；
表示常规卷积；
将所述融合图像输入至薄云去除网络，得到无云遥感图像。
2.根据权利要求1所述的一种基于卷积网络的遥感图像薄云去除方法，其特征在于，所述得到特征图像的方法为：
将所述薄云遥感图像通过第一个所述扩张卷积模块，其中公式为，
；
其中，表示通过第一个扩张卷积模块的输出；
表示扩张卷积模块；
表示薄云遥感图像；
将通过第一个所述扩张卷积模块的输出依次输入至第二至第五个所述扩张卷积模块，其中公式为，
；
其中，表示通过第个扩张卷积模块的输出；表示最大池化层。
3.根据权利要求2所述的一种基于卷积网络的遥感图像薄云去除方法，其特征在于，使用所述扩张卷积模块的方法为，
所述扩张卷积模块包括一个常规卷积和五个不同扩张率的扩张卷积，将所述薄云遥感图像输入至常规卷积中，其中公式为，
；
其中，表示通过常规卷积的输出；
表示整流线性单元；
表示常规卷积；
将通过常规卷积的输出依次输入至五个不同扩张率的扩张卷积，其中公式为，
；
其中，表示卷积操作及输入输出特征的标识序号；
表示通过第个扩张卷积的输出；
表示扩张率为的扩张卷积；
将通过常规卷积的输出和通过五个不同扩张率的扩张卷积的输出进行叠加得到叠加特征，其中公式为，
；
其中，表示叠加特征；
表示通过第一个扩张卷积的输出；
表示通过第二个扩张卷积的输出；
表示通过第三个扩张卷积的输出；
表示通过第四个扩张卷积的输出；
表示通过第五个扩张卷积的输出；
表示多个特征之间的通道叠加；
将所述叠加特征进行融合精细计算，得到通过第一个扩张卷积模块的输出，其中公式为，
；
其中，表示常规卷积；
表示整流线性单元。
4.根据权利要求3所述的一种基于卷积网络的遥感图像薄云去除方法，其特征在于，采用均方误差损失函数对所述薄云去除网络进行训练，其中公式为，
；
其中，表示均方误差损失函数；
表示薄云去除网络；
表示无云标签图像。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于耕宇牧星（北京）空间科技有限公司，未经耕宇牧星（北京）空间科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202211545342.2/1.html，转载请声明来源钻瓜专利网。
