[发明专利]遥感图像超分辨率重建方法、处理装置及可读存储介质在审
| 申请号： | 201910766900.X | 申请日： | 2019-08-19 |
| 公开（公告）号： | CN110599401A | 公开（公告）日： | 2019-12-20 |
| 发明（设计）人： | 马闻;潘宗序;雷斌;王博威;李盛;陈柯洋 | 申请（专利权）人： | 中国科学院电子学研究所 |
| 主分类号： | G06T3/40 | 分类号： | G06T3/40;G06N3/04;G06N3/08 |
| 代理公司： | 11021 中科专利商标代理有限责任公司 | 代理人： | 吴梦圆 |
| 地址： | 100190 *** | 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： | 一种遥感图像超分辨率重建方法、处理装置及可读存储介质，该方法包括对图像进行预处理，构建生成对抗网络模型，对生成对抗网络模型进行优化、迁移学习等处理，最终得到能够输出与输入的低分辨率遥感图像相对应的超分辨率遥感图像的网络模型。本发明通过去除卷积神经网络中残差模块的批归一化对生成对抗网络模型进行优化，并利用迁移学习的方法训练生成对抗网络模型，克服遥感图像数量少、质量不高导致模型难以训练的难题，在节省内存消耗(约40％)的同时，提高了重建结果的性能指标和视觉效果。 | ||
| 搜索关键词： | 网络模型 遥感图像 对抗 迁移 预处理 超分辨率重建 卷积神经网络 可读存储介质 超分辨率 处理装置 低分辨率 内存消耗 视觉效果 重建结果 归一化 残差 构建 去除 优化 图像 输出 学习 | ||
【主权项】：
1.一种遥感图像超分辨率重建方法，其特征在于，包括如下步骤：/n步骤S1：选取图像进行预处理，得到图像训练集和图像测试集；/n步骤S2：构建生成对抗网络模型；具体包括以下子步骤：/n子步骤S21：搭建设计生成对抗网络模型的生成网络架构，即：使用包含残差模块的卷积神经网络作为基础模型搭建，利用亚像素卷积代替图像的上采样操作，去除残差模块的批归一化，得到用于重建图像的生成网络架构；/n子步骤S22：搭建用于优化所述生成网络架构的判别网络架构，得到生成对抗网络模型；/n步骤S3：利用迁移学习的方法，使用步骤S1得到的图像训练集，分别根据用于训练生成网络架构的生成网络损失函数和用于训练判别网络架构的判别网络损失函数，对生成网络架构和判别网络架构进行交替训练，得到训练后的生成对抗网络模型；/n步骤S4：将需要处理的低分辨率遥感图像输入到训练后的生成对抗网络模型的生成网络架构中，输出与所述的低分辨率遥感图像相对应的超分辨率遥感图像。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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中国科学院电子学研究所，未经中国科学院电子学研究所许可，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/patent/201910766900.X/，转载请声明来源钻瓜专利网。
