[發明專利]基于生成網絡模型的可見光遙感圖像云去除方法及系統

有效

• 申請號: 202210946677.9
• 申請日: 2022-08-09
• 公開（公告）號: CN115294392B
• 公開（公告）日: 2023-05-09
• 發明（設計）人: 吳婷婷;劉慶;陳思聰
• 申請（專利權）人: 安徽理工大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/82;G06N3/0475;G06N3/094
• 代理公司: 北京盛廣信合知識產權代理有限公司 16117
• 代理人: 劉化帥

1.一種基于生成網絡模型的可見光遙感圖像云去除方法，其特征在于，包括以下步驟：

獲取可見光遙感圖像，對可見光遙感圖像進行分類，得到分類結果；其中所述分類結果包括：無云圖像和有云圖像；

構建并訓練生成網絡模型；基于所述生成網絡模型，對所述有云圖像進行云去除，得到第一生成圖像；

基于所述無云圖像，對所述第一生成圖像進行判斷，得到判斷結果；基于判斷結果，得到遙感無云圖像；

對所述第一生成圖像進行判斷的過程包括：

將所述第一生成圖像進行塊分割，對每個子塊進行亮像素點個數統計；

基于統計結果對所述第一生成圖像進行判斷，若所述亮像素點個數低于閾值，則所述第一生成圖像為無云圖像；若所述亮像素點個數超過閾值，則所述第一生成圖像為有云圖像，繼續對所述第一生成圖像進行云去除，直至得到遙感無云圖像。

2.根據權利要求1所述的基于生成網絡模型的可見光遙感圖像云去除方法，其特征在于，對可見光遙感圖像進行分類的過程包括：

對可見光遙感圖像進行塊分割，得到若干個子塊，獲取每個子塊的亮度特征和紋理特征，基于所述亮度特征和紋理特征構建分類器，通過所述分類器對可見光遙感圖像進行分類。

3.根據權利要求1所述的基于生成網絡模型的可見光遙感圖像云去除方法，其特征在于，構建并訓練生成網絡模型的過程包括：

構建生成網絡模型，對所述無云圖像進行數據增廣，得到增廣樣本，通過所述增廣樣本對所述生成網絡模型進行訓練，直到輸出的誤差減小到期望值，得到訓練好的生成網絡模型。

4.根據權利要求3所述的基于生成網絡模型的可見光遙感圖像云去除方法，其特征在于，對所述無云圖像進行數據增廣的過程包括：

對訓練集內的無云圖像執行水平鏡像、旋轉和縮放操作，得到增廣樣本。

5.一種基于生成網絡模型的可見光遙感圖像云去除系統，其特征在于，包括：圖像分類模塊、模型除云模塊及圖像判斷模塊，其中所述圖像分類模塊、所述模型除云模塊及所述圖像判斷模塊依次連接；

所述圖像分類模塊，用于獲取可見光遙感圖像，對可見光遙感圖像進行分類，得到分類結果；其中所述分類結果包括：無云圖像和有云圖像；

所述模型除云模塊，用于構建并訓練生成網絡模型；基于所述生成網絡模型，對所述有云圖像進行云去除，得到第一生成圖像；

所述圖像判斷模塊，基于所述無云圖像，對所述第一生成圖像進行判斷，得到判斷結果；基于判斷結果，得到遙感無云圖像；

所述圖像判斷模塊包括：亮像素點統計單元和圖像判斷單元；

所述亮像素點統計單元，用于將所述第一生成圖像進行塊分割，對每個子塊進行亮像素點個數統計；

所述圖像判斷單元，用于基于統計結果對所述第一生成圖像進行判斷，若所述亮像素點個數低于閾值，則所述第一生成圖像為無云圖像；若所述亮像素點個數超過閾值，則所述第一生成圖像為有云圖像，繼續對所述第一生成圖像進行云去除，直至得到遙感無云圖像。

6.根據權利要求5所述的基于生成網絡模型的可見光遙感圖像云去除系統，其特征在于，所述圖像分類模塊包括：圖像分割單元和圖像分類單元；

所述圖像分割單元，用于對可見光遙感圖像進行塊分割，得到若干個子塊；

所述圖像分類單元，用于獲取每個子塊的亮度特征和紋理特征，基于所述亮度特征和紋理特征構建分類器，通過所述分類器對可見光遙感圖像進行分類。

7.根據權利要求5所述的基于生成網絡模型的可見光遙感圖像云去除系統，其特征在于，模型除云模塊包括：模型構建及訓練單元；

所述模型構建及訓練單元，用于構建生成網絡模型，對所述無云圖像進行數據增廣，得到增廣樣本，通過所述增廣樣本對所述生成網絡模型進行訓練，直到輸出的誤差減小到期望值，得到訓練好的生成網絡模型。

8.根據權利要求7所述的基于生成網絡模型的可見光遙感圖像云去除系統，其特征在于，所述模型構建及訓練單元中，對訓練集內的無云圖像執行水平鏡像、旋轉和縮放操作，得到增廣樣本。