[發明專利]基于非成對的光學遙感圖像質量提升方法

有效

• 申請號: 202110390540.5
• 申請日: 2021-04-12
• 公開（公告）號: CN113516585B
• 公開（公告）日: 2023-04-11
• 發明（設計）人: 馮旭斌;謝梅林;蘇秀琴;李治國;韓俊鋒
• 申請（專利權）人: 中國科學院西安光學精密機械研究所
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06T5/00
• 代理公司: 西安智邦專利商標代理有限公司 61211
• 代理人: 趙逸宸

1.基于非成對的光學遙感圖像質量提升方法，其特征在于，包括訓練階段和使用階段，所述訓練階段采用生成對抗網絡學習方法進行訓練；

包括以下步驟：

步驟1、訓練階段

1.1)第一層循環：

1.1.1)將帶噪聲低分辨率的光學遙感圖像A經過第一生成器模塊G1，進行去噪處理得到去噪光學遙感圖像A’；隨后將去噪光學遙感圖像A’通過第二生成器模塊G2，進行加噪處理得到含有噪聲的低分辨率光學遙感圖像A”；

1.1.2)將無噪聲低分辨率自然圖像B經過第二生成器模塊G2，進行加噪處理得到含有噪聲的自然圖像B’；隨后將含有噪聲的自然圖像B’通過第一生成器模塊G1，進行去噪處理得到去噪的低分辨率自然圖像B”；

1.1.3)將A、A’、A”、B、B’及B”分別經過第一生成器模塊G1、第二生成器模塊G2及第一判別器模塊D1、第二判別器模塊D2的損失函數運算，得到本次循環的參數變化情況；

1.1.4)返回1.1.1)，直至訓練集中所有圖像都被處理過一次，完成一次迭代，更新G1、G2、D1、D2的參數；經過指定次數的迭代后，得到第一生成器模塊G1、第二生成器模塊G2、第一判別器模塊D1及第二判別器模塊D2網絡參數；

1.2)第二層循環：

1.2.1)將帶噪聲低分辨率光學遙感圖像A經過第一生成器模塊G1、第三生成器模塊G3，進行去噪與超分辨率重建處理得到去噪高分辨率光學遙感圖像隨后將去噪高分辨率光學遙感圖像通過第四生成器模塊G4、第二生成器模塊G2，進行降采樣和加噪處理得到帶噪聲低分辨率的光學遙感圖像A1”；

1.2.2)將無噪聲高分辨率的自然圖像經過第四生成器模塊G4、第二生成器模塊G2，進行降采樣和加噪處理得到帶噪聲低分辨率的自然圖像B0；隨后將帶噪聲低分辨率的自然圖像B0通過第一生成器模塊G1、第三生成器模塊G3，進行去噪與超分辨率重建處理得到無噪聲高分辨率的自然圖像

1.2.3)將A、A1”、B0及分別經過第一生成器模塊G1、第二生成器模塊G2、第三生成器模塊G3、第四生成器模塊G4、第三判別器模塊D3及第四判別器模塊D4的損失函數運算，得到本次循環的參數變化情況；

1.2.4)返回1.2.1)，直至訓練集中所有圖像都被處理過一次，完成一次迭代，更新G3、G4、D3、D4的網絡參數；經過指定次數的迭代后，得到第三生成器模塊G3、第四生成器模塊G4、第三判別器模塊D3及第四判別器模塊D4網絡參數；

步驟1中，所述無噪聲高分辨率的自然圖像與帶噪聲低分辨率圖像A為不同類型圖像，所述無噪聲高分辨率的自然圖像的圖像質量高于帶噪聲低分辨率圖像A；

步驟2、使用階段

使用訓練階段得到的第一生成器模塊G1網絡參數和第三生成器模塊G3網絡參數進行參數初始化，輸入待提升質量的光學遙感圖像，經過第一生成器模塊G1去噪和第三生成器模塊G3圖像超分辨率重建網絡處理后，完成對光學遙感圖像的質量提升。

2.根據權利要求1所述的基于非成對的光學遙感圖像質量提升方法，其特征在于：步驟1.1.3)和步驟1.2.3)中，所述損失函數運算包括生成對抗損失、雙邊循環一致性損失、雙邊恒等損失和全變分損失運算。

3.根據權利要求2所述的基于非成對的光學遙感圖像質量提升方法，其特征在于，在所述步驟1.2.4)中，經過指定次數的迭代后，還包括對步驟1.1.4)中得到的第一生成器模塊G1與第二生成器模塊G2的網絡參數進行微調優化的步驟。

4.根據權利要求3所述的基于非成對的光學遙感圖像質量提升方法，其特征在于：步驟1.2)和步驟2中，所述超分辨率重建為任意可以進行圖像超分辨率重建的卷積神經網絡。

5.根據權利要求1-4任一所述的基于非成對的光學遙感圖像質量提升方法，其特征在于：所述生成對抗網絡學習方法包括生成器模塊和判別器模塊，生成器模塊和判別器模塊均為卷積神經網絡。

6.根據權利要求5所述的基于非成對的光學遙感圖像質量提升方法，其特征在于：所述第一判別器模塊D1、第二判別器模塊D2、第三判別器模塊D3及第四判別器模塊D4為深度卷積神經網絡VGG-net；第一生成器模塊G1和第二生成器模塊G2與CycleGAN網絡的生成部分一致。