[發明專利]一種基于全卷積網絡的高分辨率光學圖像厚云去除方法

有效

• 申請號: 201710716475.4
• 申請日: 2017-08-21
• 公開（公告）號: CN107590782B
• 公開（公告）日: 2020-05-12
• 發明（設計）人: 李映;李文博;白宗文
• 申請（專利權）人: 西北工業大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 王鮮凱

本發明涉及一種基于全卷積網絡的高分辨率光學遙感圖像厚云去除方法，通過全卷積網絡的參數訓練，完成了異源遙感數據之間映射函數的自主構建，在兩種不同的異源遙感數據之間實現了優勢互補，不僅可以通過同一幅高分辨遙感圖像中的無云區域對含云區域的信息進行估計，對于同一組數據源其他時刻所獲得的數據同樣具有較好的去云效果。實驗結果表明，本發明與現有的基于多源數據的光學遙感圖像去云方法相比能夠更加準確地恢復云區信息。

技術領域

本發明屬于計算機圖像處理技術，涉及一種基于全卷積網絡的高分辨率光學圖像厚云去除方法。

背景技術

在光學遙感圖像中，云層的遮擋是造成地物信息損失的最主要原因之一，特別是在云層較厚的，往往會造成其對應區域的地物信息的完全丟失，給光學遙感圖像的進一步處理造成很大的影響。傳統的去云方法主要包括兩類：一類是基于空間信息的方法，另一類是基于譜間信息的方法，這兩種方法在云區面積較小或者云層較薄時能取得較好的結果，但是在去除大面積厚云時效果較差。

近些年來，基于多時相信息與多源信息的方法被廣泛應用于光學圖像的去云方面?；诙鄷r相信息的方法主要依靠同一數據源在不同時間點獲得的光學遙感圖像作為參考來恢復云區丟失信息，其優點在于參考數據與目標數據相似性高，缺點在于受光學傳感器重訪周期的限制，參考數據與目標數據之間有較大的時間間隔，期間可能發生的突發性地物變化無法預估?；诙嘣葱畔⒌姆椒▌t是依靠不同數據源在同一時間點附近獲得的數據作為參考來恢復云區丟失信息，其優點在于參考數據與目標數據之間時間間隔小，參考數據可信度高，參考數據與目標數據能夠形成互補等，其缺點在于參考數據與目標數據相似性較低，往往需要通過復雜映射函數實現關聯。

現有的基于多源信息的光學遙感圖像去云方法中，低分辨率異源光學遙感數據和合成孔徑雷達(Synthetic Aperture Radar,SAR)數據是兩種較為常用的參考數據源。低分辨率異源光學遙感數據能夠提供光譜維度上的信息，同時因為重訪周期更短而更容易取得無云圖像，其缺點在于空間分辨率不足；而SAR圖像則相反，其優點在于能夠穿透云層獲得空間分辨率較高的圖像，而缺點在于沒有光譜維度上的信息。從理論上來講，低分辨率異源光學遙感數據和SAR數據能夠實現優勢互補，共同完成高分辨率光學遙感圖像中云區丟失信息的恢復，現已提出的一些算法例如字典組學習(Dictionary Group Learning,DGL)等也在這方面取得了一定的進展，然而由于數據源之間較大的差異性，其去云結果依然存在著較大的提升空間。

在過去的幾年里，基于深度學習的方法在機器學習與圖像處理等領域展現出了巨大的優勢，特別是全卷積網絡(Fully Convolutional Network,FCN)的提出，使得利用深度學習進行像素級別的圖像處理成為可能，并且在圖像超分辨，圖像去噪，以及圖像修復等方面取得了較好的效果。這也給基于多源數據的光學遙感圖像去云提供了新的思路，即通過全卷積網絡來學習異源數據之間的映射關系，從而實現對光學遙感圖像中云區丟失信息的重構。

發明內容

要解決的技術問題

為了避免現有技術的不足之處，本發明提出一種基于全卷積網絡的高分辨率光學圖像厚云去除方法。

技術方案

一種基于全卷積網絡的高分辨率光學圖像厚云去除方法，其特征在于：所用到的數據源為同一地理場景在較短時間間隔內獲得的待去云高分辨率光學遙感圖像，低分辨率異源光學遙感圖像以及SAR圖像，且含云的高分辨率光學遙感圖像已經完成了云區檢測；步驟如下：

步驟1：將低分辨異源光學遙感圖像和SAR圖像的空間尺寸調整至與待去云的高分辨光學遙感圖像相同并進行配準，實現數據源之間相同空間位置的像素點對應現實中相同地理位置區域，建立起空間位置上的對應關系；

步驟2：以固定步長將高分辨率光學遙感圖像分解為固定大小的圖像塊集合；所述固定步長取值128；所述固定大小取值256；