[發明專利]一種面向視頻衛星超分辨率重建的深度學習網絡訓練方法

有效

• 申請號: 201810214943.2
• 申請日: 2018-03-15
• 公開（公告）號: CN108346133B
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 王中元;陳丹;江奎;易鵬
• 申請（專利權）人: 武漢大學
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06N3/08
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 魏波

1.一種面向視頻衛星超分辨率重建的深度學習網絡訓練方法，其特征在于，包括以下步驟：

步驟1：構建由高分辨率靜態衛星影像組成的訓練樣本集；

步驟2：構建面向超分辨重建的CNN網絡結構和設置網絡訓練參數；

步驟3：建立深度CNN訓練的損失函數；所述深度CNN訓練的損失函數定義如下：

令{Xi，Yi}為訓練樣本對，其中Xi是低分辨率輸入圖像，Yi是高分辨率監督圖像；Zi是深度學習網絡重建后的高分辨率圖像；對于n個訓練樣本，加權MSE損失函數定義為：

這里||.||²為矩陣的L-2范數，用于灰度加權掩蔽的除法運算為逐像素操作的點除運算；

邊緣增強的加權MSE損失函數定義為：

這里F()為邊緣增強算子；

總體損失函數由所述L1和L2二者加權組成，即：

L＝wL1+(1-w)L2

這里w為加權系數。

2.根據權利要求1所述的面向視頻衛星超分辨率重建的深度學習網絡訓練方法，其特征在于，步驟1的具體實現包括以下子步驟：

步驟1.1：選擇空間分辨率優于預設閾值M的高分辨率衛星圖像，數量大于預設閾值N，作為高分辨率圖像塊；

步驟1.2：將每幅圖像均勻切分成kxk像素的圖像塊，得到若干圖像塊；其中k為預設閾值；

步驟1.3：將每個圖像塊采用高斯核函數進行模糊處理，然后將邊長縮小L倍，L為預設閾值，得到下采樣的圖像塊，作為低分辨率圖像塊；

步驟1.4：由上述形成的低分辨率圖像塊和高分辨率圖像塊組成樣本對，將所述樣本對中的低分辨率圖像塊和高分辨率圖像塊分別作為訓練算法的輸入圖像和監督圖像。

3.根據權利要求1所述的面向視頻衛星超分辨率重建的深度學習網絡訓練方法，其特征在于：步驟2中，CNN網絡由3層構成，每層的節點數分別為64、32、1；CNN網絡的頭兩層的學習速率設為10^-4，最后一層設為10^-5。

4.根據權利要求1所述的面向視頻衛星超分辨率重建的深度學習網絡訓練方法，其特征在于：所述邊緣增強算子F()，對輸入圖像用Canny算子提取邊緣，得到二值化的邊緣圖像，然后將輸入圖像乘以二值化的邊緣圖像，得到增強后的邊緣圖像，也即將目標的邊緣部分保留圖像的原有像素值，而非邊緣部分的像素值置為零。