[发明专利]一种基于卷积网络的遥感图像薄云去除方法

说明书

本发明涉及图像处理技术领域，公开了一种基于卷积网络的遥感图像薄云去除方法，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，得到特征图像，将所述特征图像输入至通道叠加分支，得到融合图像，将所述融合图像输入至薄云去除网络，得到无云遥感图像，本发明充分考虑了较大区域的薄云去除和较小局部区域的细节恢复，从而实现性能较为良好的遥感图像薄云去除。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种基于卷积网络的遥感图像薄云去除方法。

背景技术

光学遥感图像能够对地物目标进行全面细致的观察，然而，受其成像机制的限制，某些观测地区容易受到云层的干扰，包括厚云和薄云。厚云指的是云层较厚，基本已无法观测到其所覆盖的地表信息。而薄云是指云层较薄，能够被太阳光穿透的各类云，因其对光波的散射和吸收作用，使得对地物观察不够清晰。

目前关于遥感图像薄云去除的研究比较多，但是现在的研究往往集中在网络训练的方式上，例如采用对抗式生成方法或损失函数设计上。大部分基于深度学习的方法主要以常规的卷积为主要构件构成深度神经网络，从而进行薄云去除。这样的以常规卷积构成的网络往往感受野有限，因此得到的薄云去除结果图像性能表现有限。

发明内容

本发明的目的在于克服上述一种或多种现有的技术问题，提供一种基于卷积网络的遥感图像薄云去除方法。

为实现上述目的，本发明提供的一种基于卷积网络的遥感图像薄云去除方法，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；

将所述融合图像输入至薄云去除网络，得到无云遥感图像。

根据本发明的一个方面，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；

表示特征图像；

表示最大池化层。

根据本发明的一个方面，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；