[發明專利]一種基于卷積-反卷積網絡的遙感圖像薄云去除方法

在審

• 申請號: 201711344397.6
• 申請日: 2017-12-15
• 公開（公告）號: CN108022222A
• 公開（公告）日: 2018-05-11
• 發明（設計）人: 李映;陳迪;李文博
• 申請（專利權）人: 西北工業大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 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卷積?反卷積網絡的遙感圖像薄云去除方法，采用的網絡結構由多個對稱的卷積?反卷積層鏈式組成，可分為卷積子網絡層和反卷積子網絡層，子層內每級網絡結構后都加上ReLU單元進行修正。其中，卷積子網絡層作為特征提取層在對圖像內容的主要成分進行編碼的同時消除薄云的影響，隨后其對稱的反卷積子網絡層作為可學習的上采樣層，對得到的抽象特征進行解碼，以恢復圖像內容的細節組成成分，最后反卷積層的輸出即為處理得到的無云圖像。本發明與傳統的薄云去除方法相比，不僅能夠準確的恢復有云區域的信息，而且能夠維持無云區域的保真度，薄云去除效果更好、精度更高。

技術領域

本發明屬于圖像處理領域，涉及一種基于卷積-反卷積網絡的遙感圖像薄云去除方法。

背景技術

通常情況下，由于遙感對地觀測系統的輻射傳輸過程中存在大氣的散射和吸收作用，特別是當大氣中有薄云存在時，薄云是指云層較薄，能夠被太陽光穿透的各類云，散射和吸收作用有一定程度的增強。遙感圖像中被薄云覆蓋的區域不僅地表特征而且包括薄云信息，降低了衛星遙感圖像的成像質量和信息精度，限制了其后期應用。當進行薄云移除時相應的地表特征也必定會受到直接影響，而且薄云的不均勻分布特性使得去除過程中會破壞圖像無云區域的光譜特性而導致嚴重的輻射扭曲問題。所以，迫切的需要一種算法實現有云區域的去除和無云區域的保真。

從薄云在遙感圖像中的特征出發，將現有薄云去除算法分為三類：基于濾波的算法、基于光譜特征的算法和基于圖像轉換的算法?；跒V波的算法將圖像轉換到頻率域后，由于濾波操作不可避免的去除了一些有用的信息，從而降低了圖像的保真度，而且截止頻率的選擇不當也會直接影響云的去除效果?；诠庾V特征的算法利用薄云與地物的光譜響應差異，建立相應的經驗或者物理模型關系，從而消除薄云影響。但是這些經驗關系和物理模型參數的確定通常需要很多輔助數據的支持，精確度有待提高?；趫D像轉換的算法通過有效的圖像轉換手段，把各個波段中的云信息轉換到特定維度的“云成分”后對其進行去除，但是該類方法的去云精度和適用范圍較為嚴格，無法進行廣泛的應用。

近些年來，基于深度神經網絡的方法在圖像處理和計算機視覺等領域展現出了杰出的優勢，應用范圍涵蓋了高級圖像識別、中低級圖像處理等諸多方面，例如目標檢測、分類、跟蹤和圖像恢復、去噪、重建等等。其中，基于卷積-反卷積神經網絡的方法更是實現了從圖像級理解到像素級理解的巨大跨越，使得端對端的像素級處理成為可能。因此，可以通過這種基于卷積-反卷積網絡結構，自主學習到遙感圖像的深層次特征，上采樣恢復后實現圖像的相關處理。

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卷積-反卷積網絡的遙感圖像薄云去除方法，解決對地遙感觀測系統中由于薄云的影響而造成的圖像成像質量降低、信息精度受損的問題，以實現遙感圖像有云區域的去除和無云區域的保真效果。

技術方案

一種基于卷積-反卷積網絡的遙感圖像薄云去除方法，其特征在于步驟如下：

步驟1、獲取數據：以遙感衛星landsat8在一個重訪周期采集到的兩幅圖像，設為同一地區不同時間點的多時相實驗數據，其中，一幅圖像干凈無云，稱為無云圖像，另外一幅圖像有薄云籠罩，稱為有云圖像；

步驟2、預處理實驗數據：采用envi5.3軟件的Registration功能對云圖像與無云圖像進行配準；再分別將有云圖像和無云圖像以步長128分割為256*256大小的圖像塊集合，將有云圖像塊與對應位置的無云圖像塊組合成訓練樣本對；

步驟3、訓練網絡模型：將訓練樣本對作為網絡模型的輸入進行訓練，其中，以無云圖像塊集合作為訓練目標，以其對應的同源有云圖像塊集合作為訓練數據，進行多層網絡參數訓練，不斷學習有云與無云圖像塊之間的映射關系，直至網絡收斂；