[发明专利]一种结合混合专家的生成对抗网络遥感图像超分辨重建方法

权利要求书

1.一种结合混合专家的生成对抗网络遥感图像超分辨重建方法，其特征在于：该方法包括以下步骤：

步骤一，获取遥感图像数据集，并对图片进行标签，得到样本集；

步骤二，使用双三次插值算法重建高分辨率遥感图像作为生成器网络G的基础框架；

步骤三，引入混合专家构建用于遥感图像超分的生成器网络G，结合判别器网络D，得到改进后的生成对抗超分网络；

步骤四，将训练集输入改进后的混合专家生成对抗网络中进行训练，联合损失函数优化网络，设定训练阈值，最终得到超分辨率混合专家生成对抗网络模型；

步骤五，将低分辨率遥感测试图像输入训练好的混合专家生成对抗网络生成器网络G中，得到高分辨率遥感图像。

2.根据权利要求1所述的一种结合混合专家的生成对抗网络遥感图像超分辨重建方法，其特征在于：步骤二中使用双三次插值算法重建的高分辨率遥感图像作为生成器网络G的基础框架，G网络主要用于对低分辨率遥感图像进行超分重建，得到相应的高分辨率遥感图像。

3.根据权利要求1所述的一种结合混合专家的生成对抗网络遥感图像超分辨重建方法，其特征在于：步骤三中使用三个专家网络、一个投票网络构成和一个特征融合网络构建生成器网络G，专家一使用残差网络结构用于提取特征的全局信息，专家二使用通道注意力机制网络用于提取图像局部特征信息，使网络更加关注局部特征信息，专家三使用空间注意力机制网络用于提取图像二维平面全局特征信息，投票网络依据各专家所擅长的特征提取能力赋予不同的权重占比，自适应的将各专家中的图像整合到聚合特征中，利用融合网络对特征图像进行融合增强。

4.根据权利要求1所述的一种结合混合专家的生成对抗网络遥感图像超分辨重建方法，其特征在于：步骤三中具体的将原始图像输入第一部分提取浅层特征图输入第二部分提取图像深层特征信息，学习HR与LR之间的映射关系，然后将第一层的输出特征输入混合专家模块进行特征提取，使用投票网络对专家分配不同的占空比，最终输出三组特征，将三组特征图输入特征融合网络进行特征融合，融合后的图像输入下一个混合专家网络进行特征提取并重新分配权重，使用上采样模块对图像进行上采样重建操作，将第二部分得到的最终特征图输入，最终重建出高分辨率遥感图像。

5.根据权利要求1所述的一种结合混合专家的生成对抗网络遥感图像超分辨重建方法，其特征在于：步骤二、三中生成器网络G使用双三次插值法提取图像公共低频特征信息放大重建出高分辨率遥感图像，使用混合专家提取图像高频特征信息并整合经过重建模块将图像放大至所需大小，以低频特征模块作为重建后的基础框架与经过混合专家重建的高频特征信息及轮廓进行像素叠加最终重建出高分辨率遥感图像。

6.根据权利要求1所述的一种结合混合专家的生成对抗网络遥感图像超分辨重建方法，其特征在于：步骤四中联合损失函数为交叉熵损失函数、像素级损失函数、感知损失函数，损失函数的选择能够影响模型的好坏，能够真实体现出真实值和预测值之间的差异，通过损失函数对模型进行优化，使模型达到最佳效果。