[發(fā)明專(zhuān)利]一種SAR圖像超分辨率重建方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201911047882.6
• 申請(qǐng)日: 2019-10-30
• 公開(kāi)（公告）號(hào): CN110807734A
• 公開(kāi)（公告）日: 2020-02-18
• 發(fā)明（設(shè)計(jì)）人: 趙建輝;李寧;李淵;郭拯危;牛世林;毋琳;閔林
• 申請(qǐng)（專(zhuān)利權(quán)）人: 河南大學(xué)
• 主分類(lèi)號(hào): G06T3/40
• 分類(lèi)號(hào): G06T3/40
• 代理公司: 北京五洲洋和知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11387
• 代理人: 劉春成;劉素霞

1.一種SAR圖像超分辨率重建方法，其特征在于，所述重建方法包括以下步驟：

步驟S1，SAR圖像預(yù)處理；

步驟S2，對(duì)所述步驟S1中的SAR圖像制作標(biāo)簽集、訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集；

步驟S3，基于CNN構(gòu)建一種SAR圖像超分辨率重建模型，使用所述步驟S2中的所述標(biāo)簽集、所述訓(xùn)練數(shù)據(jù)集、所述測(cè)試數(shù)據(jù)集訓(xùn)練所述重建模型，所述重建模型具體為：

步驟S301，多尺度特征圖提取層，設(shè)置Cov1_16、Cov3_16、Cov5_16、Cov9_16四種尺寸共64個(gè)卷積核以及64個(gè)PReLU激活函數(shù)，輸出64個(gè)特征圖；

步驟S302，特征圖收縮層，將所述步驟S301中64個(gè)特征圖收縮，輸出32個(gè)特征圖；

步驟S303，基于密度殘差概念的特征映射層；根據(jù)ResNet與DensNet的思想，輸入數(shù)據(jù)和經(jīng)過(guò)兩次Con3_32后的結(jié)果相加，并輸入PReLU激活函數(shù)，經(jīng)過(guò)激活函數(shù)計(jì)算后的結(jié)構(gòu)作為殘差塊的輸出；

步驟S304，特征擴(kuò)充層，使用Cov1_64與64個(gè)PReLU激活函數(shù)，將輸出特征圖擴(kuò)充為64個(gè)；

步驟S305，反卷積層；利用反卷積函數(shù)將輸入進(jìn)來(lái)的64個(gè)特征圖重建為一幅高分辨率圖像，出一幅高分辨率圖像；

步驟S306，計(jì)算誤差層，使用EuclideanLoss函數(shù)，通過(guò)計(jì)算本模型重建得到的高分辨率圖像與所述步驟S2中的所述標(biāo)簽集中的圖像之間的歐式距離得到，并反饋網(wǎng)絡(luò)進(jìn)行修正；

步驟S4，將低分辨率SAR圖像輸入訓(xùn)練后的所述重建模型，得到高分辨率SAR圖像。

2.根據(jù)權(quán)利要求1所述的SAR圖像超分辨率重建方法，其特征在于，所述步驟S1具體包括以下步驟：

步驟S101，對(duì)SAR圖像多視處理；

步驟S102，根據(jù)地理信息對(duì)所述步驟S101中的SAR圖像進(jìn)行地理編碼；

步驟S103，使用精致lee濾波對(duì)相干斑噪聲抑制。

3.根據(jù)權(quán)利要求1所述的SAR圖像超分辨率重建方法，其特征在于，所述步驟S2具體包括：

步驟S201，對(duì)經(jīng)過(guò)預(yù)處理的所述SAR圖像以固定大小進(jìn)行裁剪，將得到的圖像切片組成標(biāo)簽集；

步驟S202，通過(guò)雙三次樣條差值對(duì)原始SAR圖像進(jìn)行將采樣獲得低分辨SAR圖像，并裁剪與所述標(biāo)簽集對(duì)應(yīng)位置的圖像切片，組成所述訓(xùn)練數(shù)據(jù)集和所述測(cè)試數(shù)據(jù)集；

在制作所述訓(xùn)練數(shù)據(jù)集時(shí)，記錄數(shù)據(jù)集中的每個(gè)圖像切片的第一個(gè)像素行列坐標(biāo)分別為x、y，通過(guò)下列公式得到在原始高分辨率SAR圖像中對(duì)應(yīng)標(biāo)簽集中的圖像坐標(biāo)位置的起始坐標(biāo)locx、locy；

式中，scale為降采樣倍數(shù)的倒數(shù)，為向下取整數(shù)，si表示訓(xùn)練圖片的大小，sl表示標(biāo)簽集中的圖像的大小。

4.根據(jù)權(quán)利要求2所述的SAR圖像超分辨率重建方法，其特征在于，所述測(cè)試數(shù)據(jù)集與所述標(biāo)簽集和所述訓(xùn)練數(shù)據(jù)集的數(shù)據(jù)源不同。

5.根據(jù)權(quán)利要求1所述的SAR圖像超分辨率重建方法，其特征在于，所述步驟S302特征圖收縮層，將所述步驟S301中64個(gè)特征圖收縮，輸出32個(gè)特征圖，具體為：

將上層中Cov1_16與Cov9_16提取出來(lái)的32個(gè)特征圖通過(guò)Cov1_16與16個(gè)PReLU激活函數(shù)融合收縮為16個(gè)特征圖；將上層中Cov3_16與Cov5_16提取出來(lái)的32個(gè)特征圖通過(guò)Cov1_16與16個(gè)PReLU融合收縮為16個(gè)特征圖，共計(jì)輸出32個(gè)特征圖。

6.根據(jù)權(quán)利要求5所述的SAR圖像超分辨率重建方法，其特征在于，所述步驟S303基于密度殘差概念的特征映射層，經(jīng)過(guò)激活函數(shù)計(jì)算后的結(jié)構(gòu)作為殘差塊的輸出，具體為：

根據(jù)ResNet與DensNet的思想，防止梯度消失，本層設(shè)置3個(gè)殘差塊，每個(gè)殘差塊中包含兩個(gè)Con3_32，在每個(gè)殘差塊中，輸入數(shù)據(jù)和經(jīng)過(guò)兩次Con3_32后的結(jié)果相加，并輸入PReLU激活函數(shù)，經(jīng)過(guò)激活函數(shù)計(jì)算后的結(jié)構(gòu)作為殘差塊的輸出；輸入到殘差塊的數(shù)據(jù)將會(huì)與殘差塊輸出的結(jié)果相加作為下一個(gè)殘差塊的輸入數(shù)據(jù)，并且每個(gè)殘差塊的輸出結(jié)果都會(huì)與前面所有殘差塊輸出結(jié)果相加輸入到下一個(gè)殘差塊。