[發明專利]一種輪船目標遙感影像的超分辨率重建方法及系統

有效

• 申請號: 201810877366.5
• 申請日: 2018-08-03
• 公開（公告）號: CN109117944B
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 王玄音;王宇昊
• 申請（專利權）人: 北京悅圖數據科技發展有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06T3/40
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 王瑩;李相雨

本發明實施例提供一種輪船目標遙感影像的超分辨率重建方法及系統，該方法包括：對輪船目標遙感影像樣本庫中的圖像進行圖像分塊和圖像塊矩陣映射，得到高?低圖像塊映射矩陣；基于所述高?低圖像塊映射矩陣，根據預設網絡參數，利用機器學習深度卷積神經網絡模型進行訓練，得到超分重建卷積神經網絡權重固化模型。本發明實施例通過針對特定輪船目標遙感影像樣本進行訓練得到超分重建卷積神經網絡權重固化模型，與一般模型相比，針對輪船目標遙感影像的處理具有更高的重建精度和速度，輸出圖像的分辨率和清晰度得到顯著提高，針對輪船目標可實現特定化處理應用。

技術領域

本發明實施例涉及圖像處理及機器學習技術領域，具體涉及一種輪船目標遙感影像的超分辨率重建方法及系統。

背景技術

圖像超分辨率重建技術(Super-Resolution)是一項重要的數字圖像處理技術，利用一幅或多幅低分辨率圖像(或運動序列)，通過相應的算法，重建出一幅高分辨率、高信息含量的圖像。該技術突破了圖像傳感器自身的分辨率限制，可以在不改變或不提升圖像采集硬件的前提下，提高圖像的分辨率，改善圖像質量。處理結果有利于地表目視解譯、圖像目標算法識別、地物類型分析、定量反演精度的提升，提高圖像的信息表達能力和利用價值。并且，通過光學目標的超分辨率重建技術，能對地面目標識別、類型和數量判讀以及目標自動檢測應用提供技術支撐。

光學目標超分重建技術的實現方法有多種，如有基于頻率域的或基于空間域的實現，也有基于單幀或多幀的實現。目前也出現一些基于深度學習的超分重建方法，如ESPCN、SRCNN、SRGAN、VDSR、FSRCNN等基于卷積神經網絡技術實現的圖像超分重建，用于提升圖像目標的空間分辨率。

但是，目前基于深度學習的眾多圖像超分重建方法中都存在各自的缺點或不足，但總的來說主要問題在于未對特定目標的算法處理進行深度研究，缺乏對于特定輪船目標的方法研究，而一般的圖像處理算法應用到輪船目標時效果較差。另外，眾多的超分重建方法主要針對普通圖像進行超分重建技術研究，對光學遙感影像輪船目標的適應性較差。在深度卷積神經網絡的研究中，網絡參數的設置對重建精度有很大程度的影響，眾多的重建方法中并未給出適于輪船目標的參數配置，不具備針對性的實際應用價值。

發明內容

為解決現有技術中特定輪船目標遙感影像的超分辨率重建中的問題，本發明實施例提供一種輪船目標遙感影像的超分辨率重建方法及系統。

第一方面，本發明實施例提供一種輪船目標遙感影像的超分辨率重建方法，該方法包括：對輪船目標遙感影像樣本庫中的圖像進行圖像分塊和圖像塊矩陣映射，得到高-低圖像塊映射矩陣；基于所述高-低圖像塊映射矩陣，根據預設網絡參數，利用機器學習深度卷積神經網絡模型進行訓練，得到超分重建卷積神經網絡權重固化模型。

第二方面，本發明實施例提供一種輪船目標遙感影像的超分辨率重建系統，該系統包括：樣本集預處理模塊，具體用于：對輪船目標遙感影像樣本庫中的圖像進行圖像分塊和圖像塊矩陣映射，得到高-低圖像塊映射矩陣；超分重建模型構建模塊，具體用于：基于所述高-低圖像塊映射矩陣，根據預設網絡參數，利用機器學習深度卷積神經網絡模型進行訓練，得到超分重建卷積神經網絡權重固化模型。

第三方面，本發明實施例提供一種電子設備，包括存儲器和處理器，所述處理器和所述存儲器通過總線完成相互間的通信；所述存儲器存儲有可被所述處理器執行的程序指令，所述處理器調用所述程序指令能夠執行如下方法：對輪船目標遙感影像樣本庫中的圖像進行圖像分塊和圖像塊矩陣映射，得到高-低圖像塊映射矩陣；基于所述高-低圖像塊映射矩陣，根據預設網絡參數，利用機器學習深度卷積神經網絡模型進行訓練，得到超分重建卷積神經網絡權重固化模型。