[發明專利]一種基于卷積神經網絡的多光譜遙感圖像去霧方法

有效

• 申請號: 201710452054.5
• 申請日: 2017-06-15
• 公開（公告）號: CN107256541B
• 公開（公告）日: 2020-01-24
• 發明（設計）人: 謝鳳英;秦曼君;姜志國
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 11232 北京慧泉知識產權代理有限公司
• 代理人: 王順榮;唐愛華

本發明涉及一種基于卷積神經網絡的多光譜遙感圖像去霧方法，其特征在于：該方法包括如下步驟：步驟1：多光譜圖像去霧波段選擇；步驟2：建立去霧模型；步驟3：設計卷積神經網絡；步驟4：訓練卷積神經網絡；步驟5：多光譜遙感圖像去霧。本發明通過一個卷積神經網絡直接學習有霧圖像到清晰圖像之間的映射關系，可實現端到端的去霧。卷積網絡采用級聯的殘差結構，可對去霧模型進行有參考的學習，并實現逐步去霧。該方法不僅易于學習和訓練，還可以通過加深網絡層數實現更高精度的去霧結果。

(一)技術領域：

本發明涉及一種基于卷積神經網絡的多光譜遙感圖像去霧方法，屬于遙感圖像處理的技術領域。

(二)背景技術：

多光譜遙感圖像不僅可以提供豐富的地物信息，還具備光譜特性，在環境、監測、軍事、測繪等領域發揮十分重要的作用。然而，多光譜遙感圖像會經常受到霧的干擾，造成圖像中地物模糊不清、感興趣區域信息丟失，這不僅嚴重影響人眼對圖像數據的判讀，同時也影響了遙感數據的自動解譯。

對遙感圖像進行去霧研究可以提高圖像的質量，從而為后續的遙感圖像處理和應用提供保障。許多遙感圖像的去霧算法已經被提出，這些方法主要針對GoogleEarth圖像或者多光譜圖像中的可見光波段，而對于多光譜圖像中更多波段的去霧研究還不深入。本發明針對多光譜遙感圖像中存在的霧遮擋問題，提出了一種基于卷積神經網絡的去霧方法。該方法將圖像去霧看作是回歸問題，設計端到端的卷積神經網絡來學習有霧圖像到清晰圖像之間的映射關系，從而在各個波段上都獲得了滿意的去霧效果，同時保持了地物目標色彩和結構的一致性。

(三)發明內容：

1、目的：本發明的目的在于提供一種基于卷積神經網絡的多光譜遙感圖像去霧方法，用來實現多光譜圖像的霧去除，提升圖像質量。

2、技術方案：本發明通過以下技術方案實現。

本發明首先對去霧問題進行建模，并設計一個端到端的卷積神經網絡來回歸這個模型。然后，通過仿真方式獲得足夠的帶有真值標簽的霧圖像樣本來訓練卷積神經網絡，進行有霧圖像與真值圖像之間回歸模型的學習。該學習好的模型即可用來對實際的多光譜圖像進行去霧。該發明的具體步驟如下：

步驟1：多光譜圖像去霧波段選擇

本發明針對Landset8陸地成像儀(OLI)采集的多光譜圖像進行去霧。Landset8OLI圖像有9個波段，其中波段6、7、9三個波段的波長是大于1的，可以穿透水粒子，因此這三個波段不受霧的影響。而剩下的6個波段(波段1至5、以及波段8)分別是海岸、可見光(包括藍、綠、紅三個波段)、近紅外以及全色波段，它們的波長是小于1的，會受到霧的影響，因此我們的算法針對這6個受霧影響的波段進行去霧。

步驟2：建立去霧模型

霧天成像模型可描述為：

I(x)＝J(x)t(x)+A(1-t(x)) (1)

其中，I(x)為有霧圖像，J(x)為對應的清晰圖像，A是全局大氣光，t(x)為透射圖，x表示像素。

去霧問題即是要從有霧圖像I(x)中恢復出清晰圖像J(x)。根據霧天成像模型，去霧圖像和原始帶霧圖像之間為線性關系。令h代表有霧圖像，g表示被恢復的清晰圖像，函數F代表有霧圖像與對應清晰圖像之間的映射關系，則去霧問題可以建模為以下形式(即去霧模型)：

g＝F(h) (2)

根據公式(1)，一旦獲得映射關系F，則給定一個有霧圖像h，通過函數關系映射便可得到清晰圖像，從而實現圖像去霧。

本發明采用一個殘差卷積網絡來擬合有霧圖像到清晰圖像之間的映射關系F(h)。具有殘差結構的卷積神經網絡，其輸入不僅傳遞給卷積層，并且在網絡末端與卷積層的輸出直接相加，形成最終的網絡輸出。殘差網絡中卷積層學習到的模型可描述為：