[發明專利]基于卡通紋理分解和深度學習的SAR圖像超分辨方法及系統

有效

• 申請號: 202110505235.6
• 申請日: 2021-05-10
• 公開（公告）號: CN113344779B
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 趙曰峰;段孟君;蔡陽健;方敬
• 申請（專利權）人: 山東師范大學
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06T5/50;G06N3/08;G06N20/00
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 祖之強

1.基于卡通紋理分解和深度學習的SAR圖像超分辨方法，其特征在于，包括：

獲取SAR圖像的高分辨率圖像HR和低分辨率圖像LR，構成LR-HR圖像對，構建訓練集和測試集；

分別對高分辨率圖像HR和低分辨率圖像LR進行卡通紋理分解；

構建深度學習網絡模型，采用訓練集對構建深度學習網絡模型進行訓練，包括：將LR-HR卡通圖像對輸入深度學習網絡模型的卡通圖像處理網絡進行訓練，將LR-HR紋理圖像對輸入深度學習網絡模型的紋理圖像處理網絡進行訓練，調整模型參數，直至深度學習網絡模型收斂，得到訓練完成后的深度學習網絡模型；具體的，搭建超分辨率深度學習網絡；初始化網絡參數，確定損失函數；將LR-卡通、HR-卡通圖像對輸入卡通圖像處理網絡進行網絡訓練，將訓練好的卡通圖像處理網絡模型進行保存；LR-紋理、HR-紋理圖像對輸入紋理圖像處理網絡進行訓練，將訓練好的紋理圖像處理網絡進行保存；

其中，初始化網絡參數，包括學習率，終止學習率，超分辨率放大倍數scale，batch-size，采用Adam算法進行網絡優化，損失函數為loss，確定參數后對網絡分別進行訓練；

式中，Y_i代表高分辨率圖像中第i點的像素值，代表經過網絡處理之后估計圖像第i點的像素值；

紋理圖像處理網絡將SRResnet進行簡化，包括卷積層、12個殘差模塊和4個上采樣模塊，將殘差模塊的BN層去掉；卡通圖像處理網絡對紋理圖像處理網絡做進一步簡化處理，包括卷積層、6個殘差模塊和4個上采樣模塊；其中，殘差模塊包含2個3×3的卷積層，第一個卷積層后接Rule作為激活函數，上采樣模塊由兩個3×3的卷積層和一層子像素卷積層組成；

將LR-卡通、HR-卡通圖像對輸入卡通圖像處理網絡進行網絡訓練，優化模型參數直至訓練完成，將訓練好的卡通圖像處理網絡模型進行保存；LR-紋理、HR-紋理圖像對輸入紋理圖像處理網絡進行訓練，優化模型參數直至訓練完成，將訓練好的紋理圖像處理網絡模型進行保存；

將待處理的SAR圖像輸入訓練后的深度學習網絡模型，得到超分辨SAR圖像；具體的，輸入待處理SAR圖像，先對SAR圖像進行卡通紋理分解，卡通部分用卡通圖像處理網絡模型進行處理，紋理部分用紋理圖像處理網絡模型進行處理，將卡通圖像處理網絡模型和紋理圖像處理網絡模型的輸出圖像進行疊加，得到所需的超分辨率SAR圖像。

2.根據權利要求1所述的基于卡通紋理分解和深度學習的SAR圖像超分辨方法，其特征在于，所述低分辨率圖像LR的獲取包括：獲取SAR圖像的高分辨率圖像HR，對高分辨率圖像HR進行下采樣，并將下采樣后的圖像擴展為所述高分辨率圖像HR的尺寸，得到低分辨率圖像LR，形成LR-HR圖像對。

3.根據權利要求1所述的基于卡通紋理分解和深度學習的SAR圖像超分辨方法，其特征在于，所述對高分辨率圖像HR進行卡通紋理分解包括，將高分辨率圖像HR分解成卡通部分和紋理部分，得到HR卡通圖像和HR紋理圖像。

4.根據權利要求1所述的基于卡通紋理分解和深度學習的SAR圖像超分辨方法，其特征在于，所述對低分辨率圖像LR進行卡通紋理分解包括，將低分辨率圖像LR分解成卡通部分和紋理部分，得到LR卡通圖像和LR紋理圖像。