[發(fā)明專利]遙感圖像的超分辨率重建方法

有效

• 申請?zhí)枺?/td>: 201811248779.3
• 申請日: 2018-10-25
• 公開（公告）號: CN109472743B
• 公開（公告）日: 2021-01-15
• 發(fā)明（設(shè)計）人: 潘宗序;馬聞;雷斌
• 申請（專利權(quán)）人: 中國科學(xué)院電子學(xué)研究所
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06N3/04;G06N3/08
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 張成新

1.一種遙感圖像的超分辨率重建方法，包括以下步驟：

構(gòu)建遙感圖像訓(xùn)練集；

對遙感圖像訓(xùn)練集中的每一個訓(xùn)練圖像進(jìn)行二維一級小波變換，得到每一個訓(xùn)練圖像所對應(yīng)的低頻子圖像、垂直高頻子圖像、水平高頻子圖像以及對角高頻子圖像，并對遙感測試圖像進(jìn)行二維一級小波變換，得到遙感測試圖像所對應(yīng)的低頻子圖像、垂直高頻子圖像、水平高頻子圖像以及對角高頻子圖像；

構(gòu)建遞歸殘差神經(jīng)網(wǎng)絡(luò)；其中，所述構(gòu)建遞歸殘差神經(jīng)網(wǎng)絡(luò)包括以下步驟：

構(gòu)建第一卷積層，所述第一卷積層用于接收并處理輸入到所述遞歸殘差神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)；

構(gòu)建多級循環(huán)模塊，所述多級循環(huán)模塊中的第一級循環(huán)模塊用于處理經(jīng)過第一卷積層處理的數(shù)據(jù)；

構(gòu)建多個第一相加運算層，每一個所述第一相加運算層用于疊加經(jīng)過所述第一卷積層處理的數(shù)據(jù)以及經(jīng)過其中一級循環(huán)模塊處理的數(shù)據(jù)；

其中，所述多級循環(huán)模塊中的其他級循環(huán)模塊用于處理經(jīng)過第一相加運算層疊加的經(jīng)過所述第一卷積層處理的數(shù)據(jù)和上一級循環(huán)模塊處理的數(shù)據(jù)；

構(gòu)建第二相加運算層以及第二卷積層，所述第二相加運算層用于疊加經(jīng)過所述第一卷積層處理的數(shù)據(jù)以及經(jīng)過最后一級循環(huán)模塊處理的數(shù)據(jù)，并將疊加后的數(shù)據(jù)輸入到第二卷積層；以及

構(gòu)建第三相加運算層，所述第三相加運算層用于疊加輸入到所述遞歸殘差神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)以及由所述第二卷積層輸出的數(shù)據(jù)；

利用每一個低分辨率遙感訓(xùn)練圖像及其對應(yīng)的垂直高頻子圖像、水平高頻子圖像以及對角高頻子圖像訓(xùn)練所述遞歸殘差神經(jīng)網(wǎng)絡(luò)；

將遙感測試圖像及其對應(yīng)的垂直高頻子圖像、水平高頻子圖像以及對角高頻子圖像輸入到訓(xùn)練得到的遞歸殘差神經(jīng)網(wǎng)絡(luò)中，得到重建后的四個子圖像；以及

對所述重建后的四個子圖像進(jìn)行小波逆變換，實現(xiàn)對所述遙感測試圖像的超分辨率重建。

2.如權(quán)利要求1所述的方法，其特征在于，所述構(gòu)建遙感圖像訓(xùn)練集包括以下步驟：

對原始高分辨率遙感圖像進(jìn)行降采樣得到原始低分辨率遙感圖像；

對所述原始低分辨率遙感圖像進(jìn)行雙三次插值得到與所述原始高分辨率遙感圖像等大的低分辨率遙感圖像；以及

利用與所述原始高分辨率遙感圖像等大的低分辨率遙感圖像構(gòu)建所述遙感圖像訓(xùn)練集。

3.如權(quán)利要求2所述的方法，其特征在于，對所述遙感圖像訓(xùn)練集進(jìn)行不同倍數(shù)的比例縮放以及多角度旋轉(zhuǎn)，以擴(kuò)充數(shù)據(jù)集的數(shù)量大小。

4.如權(quán)利要求1所述的方法，其特征在于，所述構(gòu)建遞歸殘差神經(jīng)網(wǎng)絡(luò)還包括以下步驟：

構(gòu)建全局殘差，用于將輸入到所述遞歸殘差神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)輸入到所述第三相加運算層；以及

構(gòu)建局部殘差，用于將經(jīng)過每一級循環(huán)模塊處理的數(shù)據(jù)分別輸入到多個第一相加運算層和第二相加運算層中。

5.如權(quán)利要求1或4所述的方法，其特征在于，輸入到每一級循環(huán)模塊中的數(shù)據(jù)依次經(jīng)過卷積層、非線性激活函數(shù)層、卷積層以及非線性激活函數(shù)層處理。

6.如權(quán)利要求5所述的方法，其特征在于，所述遞歸殘差神經(jīng)網(wǎng)絡(luò)包括4個輸入通道和4個輸出通道。

7.如權(quán)利要求6所述的方法，其特征在于，所述遞歸殘差神經(jīng)網(wǎng)絡(luò)包括9級循環(huán)模塊共20個卷積層。