[發明專利]一種基于圖像轉換制作去云霧訓練集的方法及裝置

有效

• 申請號: 202010516662.X
• 申請日: 2020-06-09
• 公開（公告）號: CN111667431B
• 公開（公告）日: 2023-04-14
• 發明（設計）人: 錢國超;周興梅;彭慶軍;周仿榮;趙加能;馬御棠;彭兆裕
• 申請（專利權）人: 云南電網有限責任公司電力科學研究院
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 北京弘權知識產權代理有限公司 11363
• 代理人: 逯長明;許偉群

1.一種基于圖像轉換制作去云霧訓練集的方法，其特征在于，所述方法包括：

對多景遙感影像進行預處理，得到有云數據集和無云數據集；

基于所述有云數據集、無云數據集對CycleGAN模型進行訓練，得到云霧生成模型；

將新下載的原始無云影像輸入所述云霧生成模型計算得到模擬云霧影像，所述模擬云霧影像、原始無云影像構成去云霧訓練集。

2.根據權利要求1所述的一種基于圖像轉換制作去云霧訓練集的方法，其特征在于，所述有云數據集和無云數據集，其獲取執行包括：

將所述多景遙感影像劃分為云霧候選區、無云候選區；

對所述云霧候選區、無云候選區內的影像進行裁剪；

對裁剪后的影像進行清洗得到有云影像、無云影像；

所述有云影像構成有云數據集、所述無云影像構成無云數據集。

3.根據權利要求2所述的一種基于圖像轉換制作去云霧訓練集的方法，其特征在于，所述裁剪，具體執行包括：

對所述對多景遙感影像按尺寸為240×240，步長為120×120的滑動窗口進行裁剪。

4.根據權利要求2所述的一種基于圖像轉換制作去云霧訓練集的方法，其特征在于，所述清洗，具體執行包括：

去除云霧候選區中模糊的影像；

去除無云候選區中存在薄霧、或點狀云層的影像。

5.根據權利要求1所述的一種基于圖像轉換制作去云霧訓練集的方法，其特征在于，基于所述有云數據集、無云數據集對CycleGAN模型進行訓練，具體執行包括：

將所述有云數據集中的有云影像、無云數據集中的無云影像輸入CycleGAN模型；

通過對初始CycleGAN模型進行訓練，計算并更新CycleGAN模型的網絡參數；

當CycleGAN模型的損失函數滿足預設條件時，CycleGAN模型收斂、訓練完成；否則，繼續訓練。

6.根據權利要求1所述的一種基于圖像轉換制作去云霧訓練集的方法，其特征在于，所述CycleGAN模型，其生成器采用9層殘差網絡、判別器采用3層基礎判別器網絡、圖像尺寸設置為240×240、學習速率設置為0.0002。

7.根據權利要求1所述的一種基于圖像轉換制作去云霧訓練集的方法，其特征在于，所述多景遙感影像來自于Landsat8影像。

8.根據權利要求1所述的一種基于圖像轉換制作去云霧訓練集的方法，其特征在于，所述CycleGAN模型可以學習兩類影像之間的特性，所述兩類影像無需相互對應。

9.一種基于圖像轉換制作去云霧訓練集的裝置，其特征在于，包括存儲器、處理器及存儲在存儲器上的計算機程序，所述處理器執行所述計算機程序時執行如權利要求1-8中任一所述方法。