[發(fā)明專利]基于混合隨機降采樣的遙感影像超分辨率重構(gòu)方法和裝置

在審

• 申請?zhí)枺?/td>: 201811033443.5
• 申請日: 2018-09-05
• 公開（公告）號: CN109360148A
• 公開（公告）日: 2019-02-19
• 發(fā)明（設(shè)計）人: 王玄音;王宇昊
• 申請（專利權(quán)）人: 北京悅圖遙感科技發(fā)展有限公司
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06T5/00;G06T3/60
• 代理公司: 北京路浩知識產(chǎn)權(quán)代理有限公司 11002
• 代理人: 王瑩;李相雨

1.一種基于混合隨機降采樣的遙感影像超分辨率重構(gòu)方法，其特征在于，包括：

對待重建目標(biāo)的多尺度米級分辨率的光學(xué)遙感影像進行混合隨機降采樣處理，得到高分辨率影像矩陣和低分辨率影像矩陣，并構(gòu)建高低分辨率圖像塊映射矩陣；

將所述高低分辨率圖像塊映射矩陣作為訓(xùn)練樣本，進行深度學(xué)習(xí)訓(xùn)練，得到用于光學(xué)遙感影像超分辨率重構(gòu)的超分辨率重構(gòu)模型；

基于所述超分辨率重構(gòu)模型，對待重建目標(biāo)光學(xué)遙感影像進行超分辨率重構(gòu)。

2.根據(jù)權(quán)利要求1所述的基于混合隨機降采樣的遙感影像超分辨率重構(gòu)方法，其特征在于，對待重建目標(biāo)的多尺度米級分辨率的光學(xué)遙感影像進行混合隨機降采樣處理前，還包括：

獲取包含待重建目標(biāo)的多尺度米級分辨率的光學(xué)遙感影像，并對所述光學(xué)遙感影像進行灰度變換和亮度拉伸；

對拉伸后的光學(xué)遙感影像進行目標(biāo)剪裁，得到目標(biāo)影像，并基于仿射變換方法對所述目標(biāo)影像進行翻轉(zhuǎn)變換，得到數(shù)量增廣后多個角度的目標(biāo)影像。

3.根據(jù)權(quán)利要求2所述的基于混合隨機降采樣的遙感影像超分辨率重構(gòu)方法，其特征在于，獲取包含待重建目標(biāo)的多尺度米級分辨率的光學(xué)遙感影像具體包括：

收集包括待重建目標(biāo)的多尺度米級分辨率光學(xué)遙感影像，其中，收集的光學(xué)遙感影像還包括與待重建目標(biāo)關(guān)聯(lián)的關(guān)聯(lián)目標(biāo)、關(guān)聯(lián)場景，所述多尺度米級分辨率包括0.7m、1m、2m、5m。

4.根據(jù)權(quán)利要求2所述的基于混合隨機降采樣的遙感影像超分辨率重構(gòu)方法，其特征在于，并對所述光學(xué)遙感影像進行灰度變換和亮度拉伸，具體包括：

對所述光學(xué)遙感影像進行彩色空間變換，提取亮度波段的影像作為灰度變換影像；

基于非線性Gamma拉伸方法對所述灰度變換影像進行亮度拉伸，將拉伸后的得到的8bit/16bit類型的影像轉(zhuǎn)換為double類型的影像。

5.根據(jù)權(quán)利要求2所述的基于混合隨機降采樣的遙感影像超分辨率重構(gòu)方法，其特征在于，對拉伸后的光學(xué)遙感影像進行目標(biāo)剪裁，具體包括：

建立待重建目標(biāo)的最小外界矩形，獲取所述最小外界矩形的長軸兩端點的像素坐標(biāo)以及短軸兩端點的像素坐標(biāo)，并將其設(shè)為剪裁坐標(biāo)；

通過隨機映射剪裁坐標(biāo)以對所述光學(xué)遙感影像進行中心點多角度的旋轉(zhuǎn)剪裁，得到批量目標(biāo)影像。

6.根據(jù)權(quán)利要求1所述的基于混合隨機降采樣的遙感影像超分辨率重構(gòu)方法，其特征在于，對待重建目標(biāo)的光學(xué)遙感影像進行混合隨機降采樣處理，具體包括：

將待重建目標(biāo)的光學(xué)遙感影像輸入到包含多個降采樣算子的混合隨機降采樣模型，對處理后的影像進行閾值切塊；

對混合隨機降采樣模型處理后的影像塊的數(shù)據(jù)結(jié)構(gòu)組織形式為：ψ1(x_i，y_i，1，z₁)、ψ₂(x_i，y_i，1，z₂)、ψ₃(x_i，y_i，1，z₃)、ψ₄(x_i，y_i，1，z₄)，并形成低分辨率影像矩陣：E_低(x_i，y_i，1，z₅)，其中z₅＝z₁+z₂+z₃+z₄，x_i和y_i為像素坐標(biāo)；

基于閾值分割得到高分辨率影像矩陣：E_高(x_j，yj，1，z5)，j＝i+size-1，size為低分辨率影像塊塊尺寸。

7.根據(jù)權(quán)利要求6所述的基于混合隨機降采樣的遙感影像超分辨率重構(gòu)方法，其特征在于，所述降采樣算子包括高斯模糊算子Gauss、鄰域低通采樣算子Lanczos、最近鄰插值采樣算子Nearest、三次卷積內(nèi)插算子Bicubic。