[發明專利]一種基于深度殘差神經網絡的遙感影像融合方法及系統

在審

• 申請號: 201811623480.1
• 申請日: 2018-12-28
• 公開（公告）號: CN109767412A
• 公開（公告）日: 2019-05-17
• 發明（設計）人: 鄧練兵
• 申請（專利權）人: 珠海大橫琴科技發展有限公司
• 主分類號: G06T5/50
• 分類號: G06T5/50
• 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: 嚴彥

1.一種基于深度殘差神經網絡的遙感圖像融合方法，其特征在于，包括以下步驟：

步驟a，對全色影像與多光譜影像分別進行相應倍數的下采樣，獲得訓練樣本；

步驟b，構建深度殘差神經網絡，所述深度殘差神經網絡為深度卷積結構，含有m個卷積模塊，輸入深度殘差神經網絡的全色影像和多光譜影像依次經過m個卷積模塊所得的輸出，與輸入的多光譜影像相加構成殘差結構，輸出深度殘差神經網絡的相加結果；

步驟c，利用步驟a中生成的訓練樣本與隨機梯度下降算法對深度殘差神經網絡進行訓練；

步驟d，將待融合的多光譜影像與全色影像輸入到步驟c中訓練好的深度殘差神經網絡中，即可得到融合后的具備高空間分辨率的多光譜影像。

2.根據權利要求1所述基于深度殘差神經網絡的遙感圖像融合方法，其特征在于：步驟a中，將原始的低空間分辨率的多光譜影像作為真值，將下采樣后的多光譜影像與全色影像作為深度殘差神經網絡的輸入。

3.根據權利要求1所述基于深度殘差神經網絡的遙感圖像融合方法，其特征在于：m大于等于20。

4.根據權利要求1或2或3所述的基于深度殘差神經網絡的遙感圖像融合方法，其特征在于：步驟c中，對深度殘差神經網絡進行訓練時，損失函數為：

其中，x^(t)表示第t個輸入影像，由高空間分辨率的全色影像與低空間分辨率的多光譜影像在特征維度上疊加而成，y^(t)表示第t個具備高空間分辨率的多光譜影像，t＝1，2，...，T，f(x^(t))表示基于深度殘差神經網絡融合出的結果，T為訓練樣本數目。

5.一種基于深度殘差神經網絡的遙感圖像融合系統，其特征在于，包括以下模塊：

第一模塊，用于對全色影像與多光譜影像分別進行相應倍數的下采樣，獲得訓練樣本；

第二模塊，用于構建深度殘差神經網絡，所述深度殘差神經網絡為深度卷積結構，含有m個卷積模塊，輸入深度殘差神經網絡的全色影像和多光譜影像依次經過m個卷積模塊所得的輸出，與輸入的多光譜影像相加構成殘差結構，輸出深度殘差神經網絡的相加結果；

第三模塊，用于利用第一模塊中生成的訓練樣本與隨機梯度下降算法對深度殘差神經網絡進行訓練；

第四模塊，用于將待融合的多光譜影像與全色影像輸入到第三模塊中訓練好的深度殘差神經網絡中，即可得到融合后的具備高空間分辨率的多光譜影像。

6.根據權利要求5所述基于深度殘差神經網絡的遙感圖像融合系統，其特征在于：第一模塊中，將原始的低空間分辨率的多光譜影像作為真值，將下采樣后的多光譜影像與全色影像作為深度殘差神經網絡的輸入。

7.根據權利要求5所述基于深度殘差神經網絡的遙感圖像融合系統，其特征在于：m大于等于20。

8.根據權利要求5或6或7所述的基于深度殘差神經網絡的遙感圖像融合系統，其特征在于：第三模塊中，對深度殘差神經網絡進行訓練時，損失函數為：

其中，x^(t)表示第t個輸入影像，由高空間分辨率的全色影像與低空間分辨率的多光譜影像在特征維度上疊加而成，y^(t)表示第t個具備高空間分辨率的多光譜影像，t＝1，2，...，T，f(x^(t))表示基于深度殘差神經網絡融合出的結果，T為訓練樣本數目。