[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

本發明公開了一種基于生成網絡模型的可見光遙感圖像云去除方法及系統，本發明屬于遙感圖像處理領域。方法包括：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；基于生成網絡模型，對有云圖像進行云去除，得到第一生成圖像；基于無云圖像，對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。系統包括：圖像分類模塊、模型除云模塊及圖像判斷模塊，其中圖像分類模塊、模型除云模塊及圖像判斷模塊依次連接。本發明不僅能夠對薄云圖像進行處理，還能夠對厚云圖像進行處理，得到清晰的遙感無云圖像，使遙感圖像具有實用價值。

技術領域

本發明屬于遙感圖像處理領域，特別是涉及一種基于生成網絡模型的可見光遙感圖像云去除方法及系統。

背景技術

隨著遙感技術的快速發展，可見光遙感圖像被廣泛應用于各種領域，如環境監測、資源勘察、地物分類、目標檢測。然而，遙感圖像常常會受到大氣中云的污染，造成圖像質量下降，限制了它們的使用。因此，對于許多遙感圖像應用來說，云去除是一項關鍵的預處理過程，具有重要的實用價值。

現有技術中，將CycleGAN網絡與薄云成像模型相結合，從真實的無云圖像中生成仿真的薄云圖像，將無云圖像和薄云信息分離開來。但是，如果天氣不好時，拍攝到遙感圖像中有厚云信息，現有技術中未對厚云圖像進行解決，導致遙感圖像中的厚云信息嚴重影響圖像質量，最終導致遙感圖像沒有實用價值。

發明內容

本發明的目的是提供一種基于生成網絡模型的可見光遙感圖像云去除方法，以解決上述現有技術存在的問題。

為實現上述目的，本發明提供了一種基于生成網絡模型的可見光遙感圖像云去除方法，包括：

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。

優選地，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。

優選地，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。

優選地，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。

優選地，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。

為實現上述技術目的，本發明還提供了一種基于生成網絡模型的可見光遙感圖像云去除系統，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；