[發明專利]一種基于邊緣銳化循環生成對抗網絡的遙感影像去霧方法

有效

• 申請號: 201910313286.1
• 申請日: 2019-04-18
• 公開（公告）號: CN110136075B
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 徐永洋;胡安娜;謝忠;馮雅興;曹豪豪
• 申請（專利權）人: 中國地質大學（武漢）
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/50;G06T7/11
• 代理公司: 武漢知產時代知識產權代理有限公司 42238
• 代理人: 孫麗麗

本發明提出了一種基于邊緣銳化循環生成對抗網絡的遙感影像去霧方法。該方法利用深度生成對抗網絡對有霧遙感影像進行處理，可以自動化、大量化的恢復有霧遙感影像地物信息；其次，本發明提出一個加入圖像銳化機制的循環生成對抗網絡模型，該模型改進了生成對抗網絡生成圖片紋理不清晰的情況，提高了對模糊圖像的判別能力；最后，本發明改進了模型計算感知一致性損失函數的VGG16網絡預訓練過程，利用遙感影像預訓練VGG16網絡，讓遙感影像特征被更好的提取，使得感知損失誤差計算更為精確。與現有遙感影像去霧方法相比，本發明具有智能化、批量化和自動化的優點，可以顯著提高遙感影像質量，保護遙感影像紋理等細節信息，達到很好的恢復效果。

技術領域

本發明涉及圖像處理領域，更具體地說，涉及一種基于深度學習的遙感影像去霧方法。

背景技術

隨著國家航天技術的發展，遙感圖像應用于社會的各個方面。由于自然、人為等各方面原因，霧成為遙感影像中很常見的噪聲影響因素。霧會讓大氣能見度降低，使光學器材特別是基于遙感平臺獲取的圖像模糊不清，無法從獲取的遙感影像中獲取清晰的地物信息。這將給基于遙感圖像的相關應用，如監測、自動導航、目標提取帶來很大的困難。研究一種有效的遙感影像去霧方法，可以使得遙感影像更加有效的服務于當前應用當中。

在此之前已有一些專家針對一般圖像去霧算法，結合傳統的圖形學和視覺做了相關研究，這些方法可分為基于非模型的去霧方法和基于模型的去霧方法。其中，基于非模型的去霧方法，又稱為圖像增強方法；該方法在處理時并不需要考慮圖像退化的原因和模型，只需要根據特定的需求，采用常規的圖像增強手段來改善圖像的視覺效果，并不是從光學成像本質上去實現圖像的去霧處理；但基于圖像增強的去薄云算法由于需要進行多尺度變換和逆變換，所以計算量大且相對復雜。而基于模型的去霧方法，又稱為圖像復原方法，該方法利用圖像退化的原理，從光學成像的本質上實現圖像去霧；但由于其使用的物理模型往往需要已知場景深度和大氣條件等先驗信息，而針對遙感影像，其需要獲取的信息較多，因此使用圖像復原方法為遙感圖像的恢復帶來了一定的難度。

隨著近幾年深度學習在視覺領域取得的卓越的效果，越來越多的圖形圖像研究者也開始將深度學習引入圖形學和視覺交叉的領域，去解決一系列的相關問題。本文提出一種基于深度學習的遙感影像去霧算法，該算法利用生成對抗網絡模型的無監督學習特性，使得對訓練所需的遙感影像數據的處理要求更加簡單。

相對比于傳統的圖像去霧方法，利用深度學習方法不會存在較多局限性，不需要額外的環境要求，可以在各種復雜的條件下，對圖像進行直接處理和恢復，并且結合多GPU方法，利用“影像分塊，分而治之”的思想，將數據量大的影像分割處理，大大減少了運算時間，提高了運算效率。此外，傳統算法需要對每一張圖片設置不同的超參數才能夠達到較好的處理效果，然而深度學習算法能夠自適應地處理每一張影像，直接端對端的對遙感影像進行重建。

發明內容

本發明要解決的技術問題在于，針對現有技術的缺陷，提供一種基于邊緣銳化循環生成對抗網絡的遙感影像去霧方法。

本發明解決其技術問題所采用的技術方案是：構造一種基于邊緣銳化循環生成對抗網絡的遙感影像去霧方法，包括以下步驟：

S1、對獲取的遙感圖像數據進行融合、圖像切割和定向處理操作；

S2、在經步驟S1處理后的遙感圖像數據中，處理得到原始有霧遙感影像數據集X、原始無霧遙感影像數據集Y，并利用原始無霧遙感影像數據集Y經過高斯模糊操作生成無霧模糊遙感影像數據集Y_s；

S3、利用遙感影像地物信息分類數據集來訓練感知損失函數計算模型-VGG16網絡模型；

S4、利用步驟S2處理得到的原始有霧、無霧遙感影像數據集和無霧模糊遙感數據集，以及步驟S3訓練的VGG16網絡模型，以迭代的方式來訓練銳化循環生成對抗網絡；