[發(fā)明專利]小波變換域下結(jié)合深度學(xué)習(xí)的光學(xué)遙感圖像質(zhì)量提升方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110285261.2
• 申請(qǐng)日: 2021-03-17
• 公開(kāi)（公告）號(hào): CN113012069B
• 公開(kāi)（公告）日: 2023-09-05
• 發(fā)明（設(shè)計(jì)）人: 馮旭斌;謝梅林;蘇秀琴;李治國(guó);韓俊鋒
• 申請(qǐng)（專利權(quán)）人: 中國(guó)科學(xué)院西安光學(xué)精密機(jī)械研究所
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00;G06T3/40;G06N3/0475;G06N3/0464;G06N3/094
• 代理公司: 西安智邦專利商標(biāo)代理有限公司 61211
• 代理人: 趙逸宸

1.一種小波變換域下結(jié)合深度學(xué)習(xí)的光學(xué)遙感圖像質(zhì)量提升方法，其特征在于，包括以下步驟：

步驟1、訓(xùn)練階段：

1.1)將訓(xùn)練集中的光學(xué)遙感圖像進(jìn)行小波變換處理，得到不同頻率子帶信號(hào)；

1.2)將頻率子帶信號(hào)通過(guò)密集塊網(wǎng)絡(luò)同時(shí)進(jìn)行去噪與超分辨率重建處理，得到頻率子帶重建信號(hào)；

1.3)將頻率子帶重建信號(hào)進(jìn)行小波逆變換后得到光學(xué)遙感重建圖像；

1.4)將光學(xué)遙感重建圖像與對(duì)應(yīng)的高質(zhì)量真值圖像進(jìn)行判別處理，經(jīng)生成器模塊的相對(duì)損失與全變分損失函數(shù)運(yùn)算，及判別器模塊的相對(duì)損失函數(shù)運(yùn)算,得到本次循環(huán)的損失情況，本次循環(huán)結(jié)束；

1.5)重復(fù)步驟1.1)-1.4)，直至訓(xùn)練集中所有光學(xué)遙感圖像循環(huán)一次后，本次迭代結(jié)束，根據(jù)本次迭代的綜合損失情況，更新網(wǎng)絡(luò)參數(shù)；

1.6)重復(fù)步驟1.1)-1.5)，直至迭代次數(shù)到達(dá)設(shè)定值，訓(xùn)練結(jié)束，得到理想網(wǎng)絡(luò)參數(shù)；

步驟2、使用階段：

2.1)使用訓(xùn)練階段得到的理想網(wǎng)絡(luò)參數(shù)對(duì)系統(tǒng)進(jìn)行初始化；

2.2)將待提升質(zhì)量的光學(xué)遙感圖像進(jìn)行小波變換處理，得到不同頻率子帶信號(hào)；

2.3)將頻率子帶信號(hào)通過(guò)密集塊網(wǎng)絡(luò)同時(shí)進(jìn)行去噪與超分辨率重建處理，得到頻率子帶重建信號(hào)；

2.4)將頻率子帶重建信號(hào)進(jìn)行小波逆變換后得到光學(xué)遙感重建圖像。

2.根據(jù)權(quán)利要求1所述的一種小波變換域下結(jié)合深度學(xué)習(xí)的光學(xué)遙感圖像質(zhì)量提升方法，其特征在于：

步驟1.2和步驟2.3中，所述密集塊網(wǎng)絡(luò)采用全局殘差算法、局部殘差算法和密集連接算法。

3.根據(jù)權(quán)利要求2所述的一種小波變換域下結(jié)合深度學(xué)習(xí)的光學(xué)遙感圖像質(zhì)量提升方法，其特征在于：所述密集塊網(wǎng)絡(luò)使用瓶頸結(jié)構(gòu)，包含一個(gè)1×1卷積核、一個(gè)3×3卷積核和一個(gè)1×1卷積核。

4.根據(jù)權(quán)利要求1或2或3所述的一種小波變換域下結(jié)合深度學(xué)習(xí)的光學(xué)遙感圖像質(zhì)量提升方法，其特征在于：

步驟1.1和步驟2.2中，所述小波變換為哈爾小波變換；

步驟1.3和步驟2.4中，所述小波逆變換為哈爾小波逆變換。

5.根據(jù)權(quán)利要求4所述的一種小波變換域下結(jié)合深度學(xué)習(xí)的光學(xué)遙感圖像質(zhì)量提升方法，其特征在于：

步驟1.1和步驟2.2中，所述頻率子帶信號(hào)為原始圖像的低頻子帶、垂直方向的高頻子帶，水平方向的高頻子帶及對(duì)角方向的高頻子帶信號(hào)。

6.根據(jù)權(quán)利要求5所述的一種小波變換域下結(jié)合深度學(xué)習(xí)的光學(xué)遙感圖像質(zhì)量提升方法，其特征在于：

步驟1.1-1.4采用生成對(duì)抗網(wǎng)絡(luò)或傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)。