[發明專利]一種基于多路感知梯度的遙感圖像薄云移除方法

在審

• 申請號: 202210357921.8
• 申請日: 2022-04-06
• 公開（公告）號: CN114936972A
• 公開（公告）日: 2022-08-23
• 發明（設計）人: 王曉宇;劉宇航;張嚴;佘玉成
• 申請（專利權）人: 航天東方紅衛星有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/13;G06V10/44;G06N3/08;G06N3/04;G06V10/82
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 張曉飛

本發明一種基于多路感知梯度的遙感圖像薄云移除方法，所述方法包括：建立遙感圖像薄云移除數據集，按一定比例組成訓練集、驗證集和測試集；搭建感知梯度提取模塊，用于提取圖像薄云特征；搭建云層厚度估計模塊，用于自適應估計云層厚度；搭建遙感圖像薄云移除網絡，用于從單張薄云遙感圖像到清晰遙感圖像的轉換；采用遙感圖像薄云移除數據集訓練遙感圖像薄云移除網絡，使用的損失函數包括特征損失函數、梯度損失函數和云層厚度損失函數；將訓練結束得到的模型參數導入遙感圖像薄云移除網絡，輸入單張薄云遙感圖像實現薄云移除。

技術領域

本發明涉及圖像處理技術與深度學習技術領域，尤其涉及一種基于多路感知梯度的遙感圖像薄云移除方法。

背景技術

遙感衛星拍攝的光學遙感圖像經常受到環境中云層的影響，導致圖像中的關鍵內容被遮擋、細節信息丟失和顏色失真等一系列問題，大大降低光學遙感圖像的利用效率，嚴重影響對遙感圖像的判讀，致使很多遙感應用無法順利進行。被厚云影響的光學遙感圖像沒有利用價值，薄云遙感圖像通過適當的技術手段處理后移除薄云的影響，便于后續圖像的處理與運用。

傳統的遙感圖像薄云移除方法采用圖像濾波法和統計先驗法等，此類方法通過濾波去除圖像中的云層影響，或者通過統計分析有云和無云圖像之間的差異，提出統計先驗信息進而完成薄云移除任務。此類方法局限性比較明顯，無法適應復雜多變的情況。

隨著深度神經網絡的飛速發展，采用深度卷積神經網絡設計遙感圖像云霧去除方法得到了廣泛的關注。卷積神經網絡能夠提取圖像特征并重建圖像內容，實現遙感圖像的云霧去除，難點在于如何設計網絡和模塊提取適合云霧去除的特征，并保持恢復的圖像真實、自然。通過提出的神經網絡結構自適應地學習薄云遙感圖像與清晰遙感圖像之間的轉換關系，實現薄云遙感圖像的薄云移除。

發明內容

本發明解決的技術問題是：克服現有技術的不足，提供了一種基于多路感知梯度的遙感圖像薄云移除方法，不需要復雜的假設和先驗，可以直接從一張有霧圖像恢復出無霧圖像，簡單易行。

本發明的技術方案是：一種基于多路感知梯度的遙感圖像薄云移除方法，步驟如下：

1)建立遙感圖像薄云移除數據集，包括薄云遙感圖像、清晰遙感圖像和云層厚度圖像，按比例組成訓練集、驗證集和測試集；

2)搭建感知梯度提取模塊，用于提取圖像薄云特征；

3)搭建云層厚度估計模塊，用于自適應估計云層厚度；

4)基于步驟2)中得到的感知梯度提取模塊和步驟3)中得到的云層厚度估計模塊，搭建遙感圖像薄云移除網絡，用于從單張薄云遙感圖像到清晰遙感圖像的轉換；

5)利用步驟1)得到的數據集訓練遙感圖像薄云移除網絡，使用的損失函數包括特征損失函數、梯度損失函數和云層厚度損失函數；

6)將訓練結束得到的模型參數導入遙感圖像薄云移除網絡，輸入單張薄云遙感圖像實現薄云移除。

所述步驟1)中，遙感圖像薄云移除數據集具體為：

11)選取n張清晰遙感圖像R，通過生成仿真薄云得到薄云遙感圖像C和云層厚度圖像T；將遙感圖裁剪成尺寸為N×N的圖像，將具有對應關系的清晰遙感圖像R、薄云遙感圖像C和云層厚度圖像T組成遙感圖像薄云移除數據集，記為{R_i,C_i,T_i|i∈(1,…,m)}，其中i為圖像的序號，m為圖像的數量，i和m為正整數；

12)將遙感圖像薄云移除數據集按照p₁:p₂:p₃的比例劃分為訓練集、驗證集和測試集，其中，p₁、p₂和p₃為正整數，且p₁p₂,p₁p₃。