【技術實現步驟摘要】
本申請屬于計算機視覺，尤其涉及一種遙感影像超分辨率重建方法。
技術介紹
1、作為計算機視覺里面比較重要的研究方向，圖像超分辨率技術有著廣泛的應用領域，例如遙感圖像超分，醫學圖像超分，視頻監控影像超分以及生物統計學領域。圖像超分辨率被廣泛用于增強輸入的低分辨率圖像的空間分辨率和光譜質量。
2、衛星遙感圖像作為環境監測、農業作物類型鑒定、土地利用/覆蓋測繪、災害管理、決策支持系統、天氣預測、氣候模擬、地理目標檢測、生物物理參數估計等眾多地球科學學科的重要重要地理信息來源。由于光學和傳感器技術限制以及高昂的成本，地球觀測衛星的空間和光譜分辨率并不能滿足高階的使用需求。因此，開發軟件算法來提高衛星圖像的空間分辨率和光譜質量具有極其重要的意義。
3、現有的遙感影像超分辨率算法基本都是從改進模型的網絡結構，從而增強模型的超分性能角度出發，用來提升超分后遙感影像的圖像質量。這些模型基本需要是配對的hr-lr(高分辨率-低分辨率)數據進行訓練，但是配對的不同遙感影像很難獲得。因此現有遙感影像超分辨率方法的lr(低分辨率)數據是由hr(高分辨率)數據經過降采樣和簡單的數據增強方式虛擬生成的，測試集也是由相似方法生成的，這與實際應用存在差異。此外，現有技術存在以下問題：
4、(1)需要配對的lr-hr數據進行訓練，但是對于遙感影像，不同衛星拍攝的同時相同地域數據很難獲得，而且不同衛星的光學傳感器參數不同，拍攝的圖像質量存在差異，需要進行配準等一系列復雜操作。
5、(2)現有的模型訓練集，lr數據是由h
6、(3)目前的遙感影像超分辨率算法都是針對于裁剪分塊后的小面積遙感影像，對于大范圍乃至市域級的遙感影像超分辨率沒有明確的解決方案。
技術實現思路
1、本專利技術的主要目的在于提供一種遙感影像超分辨率重建方法，以解決現有技術中低分辨率遙感影像上超分質量較差的問題。
2、為了解決上述問題，本專利技術提供了一種遙感影像超分辨率重建方法，包括：
3、步驟s1，對高分辨率圖像和低分辨率圖像進行切分處理，得到若干切分后高分辨率圖像和若干切分后低分辨率圖像，高分辨率圖像的拍攝源和低分辨率圖像的拍攝源不同；
4、步驟s2，將若干切分后高分辨率圖像進行第一下采樣，得到若干第一下采樣高分辨率圖像；
5、步驟s3，構造超分辨率模型訓練集、測試集和構造風格遷移模型訓練集、測試集；
6、步驟s4，利用超分辨率模型訓練集、測試集訓練超分辨率模型，并利用風格遷移模型訓練集、測試集訓練風格遷移模型，得到訓練后超分辨率模型和訓練后風格遷移模型；
7、步驟s5，利用訓練后超分辨率模型和訓練后風格遷移模型先后對若干切分后低分辨率圖像進行超分辨率處理和風格遷移處理，得到超分影像；
8、步驟s6，對超分影像進行拼接處理，得到大區域超分影像；
9、其中，步驟s3中，
10、超分辨率模型訓練集包括若干切分后高分辨率圖像，
11、超分辨率模型測試集包括至少部分若干切分后低分辨率圖像；
12、風格遷移模型訓練集包括部分若干切分后高分辨率圖像、部分若干第一下采樣高分辨率圖像和第一部分若干切分后低分辨率圖像，部分若干第一下采樣高分辨率圖像由部分若干切分后高分辨率圖像通過第一下采樣得到，部分若干切分后高分辨率圖像和第一部分若干切分后低分辨率圖像取自同一場景，部分若干第一下采樣高分辨率圖像作為第一風格圖集，第一部分若干切分后低分辨率圖像作為第二風格圖集；
13、風格遷移模型測試集包括第二部分若干切分后低分辨率圖像，第二部分若干切分后低分辨率圖像與部分若干切分后高分辨率圖像取自同一場景。
14、進一步地，上述步驟s1中：
15、高分辨率圖像和低分辨率圖像的分辨率比為r，1<r≤16；
16、切分后高分辨率圖像和切分后低分辨率圖像的面積比的范圍為1～r2，優選為1～16，
17、優選切分后高分辨率圖像和切分后低分辨率圖像為正方形，切分后高分辨率圖像和切分后低分辨率圖像邊長比為1～r，優選為1～4。
18、進一步地，上述切分后低分辨率圖像包含與相鄰切分后低分辨率圖像的重疊區，重疊區的寬度為切分后低分辨率圖像寬度的1/8～1/2，優選為1/6～1/2。
19、進一步地，上述對超分影像進行拼接處理時，相鄰超分影像去除重疊區的部分后，進行拼接，優選相鄰超分影像去除的重疊區的部分的寬度之和為重疊區寬度的r/2。
20、進一步地，上述步驟s1中，對高分辨率圖像和低分辨率圖像進行切分處理前還包括預處理過程，預處理和切分處理包括：
21、步驟a1，對高分辨率圖像和低分辨率圖像的全色影像和多光譜波段影像進行正射校正；
22、步驟a2，使用融合算法對高分辨率圖像的全色影像和多光譜波段影像進行融合處理，得到高分辨率融合圖像；
23、步驟a3，使用融合算法對低分辨率圖像的全色影像和多光譜波段影像進行融合處理，得到低分辨率融合圖像；
24、步驟a4，選取rgb波段，將高分辨率融合圖像和低分辨率融合圖像保存為8位tiff影像后進行切分處理，得到若干切分后高分辨率圖像和若干切分后低分辨率圖像；
25、融合算法包括nndiffuse算法、cn?spectral算法，brovey算法，hsv算法，pcspectral算法。
26、進一步地，上述對于已經拼接好的高分辨率圖像和已經拼接好的低分辨率圖像，先進性分幅處理。
27、進一步地，上述超分辨率模型選自包括real-esrgan模型、esrgan模型，srgan模型，swinir模型的集合；
28、當超分辨率模型為real-esrgan時，超分辨率模型包括生成器和鑒別器，生成器包括級聯而成的n個密集殘差連接模塊。密集殘差連接模塊包括m個密集連接模塊，其中10≤n≤40，其中2≤m≤6；
29、鑒別器包括u-net網絡結構，使用譜歸一化。
30、進一步地，上述風格遷移模型選自包括cyclegan模型、pixel2pixel模型，cut模型的集合，風格遷移模型包括第一生成器、第二生成器和鑒別器。
31、進一步地，上述利用超分辨率模型訓練集、測試集訓練超分辨率模型的過程包括：
32、步驟b1，將若干切分后高分辨率圖像進行第二下采樣，得到若干第二下采樣高分辨率圖像；
33、步驟b2，將若干第二下采樣高分辨率圖像和若干切分后高分辨率圖像共同作為訓練集訓練超分辨率模型；
34、步驟b1包括：
35、步驟b1，生成第一隨機數；
36、步驟b2，根據第一隨機數，分別選擇數據增強處理或模糊核下采樣處理依次對若干切分后高分本文檔來自技高網...
【技術保護點】
1.一種遙感影像超分辨率重建方法，其中，所述遙感影像超分辨率重建方法包括：
2.根據權利要求1所述的遙感影像超分辨率重建方法，其特征在于，所述步驟S1中：
3.根據權利要求1所述的的遙感影像超分辨率重建方法，其特征在于，所述切分后低分辨率圖像包含與相鄰切分后低分辨率圖像的重疊區，所述重疊區的寬度為所述切分后低分辨率圖像寬度的1/8～1/2，優選為1/6～1/2。
4.根據權利要求3所述的遙感影像超分辨率重建方法，其特征在于，對所述超分影像進行拼接處理時，相鄰所述超分影像去除重疊區的部分后，進行拼接，優選相鄰所述超分影像去除的所述重疊區的部分的寬度之和為所述重疊區寬度的R/2。
5.根據權利要求1所述的遙感影像超分辨率重建方法，其特征在于，所述步驟S1中，對所述高分辨率圖像和所述低分辨率圖像進行所述切分處理前還包括預處理過程，所述預處理和所述切分處理包括：
6.根據權利要求1所述的遙感影像超分辨率重建方法，其特征在于，對于已經拼接好的所述高分辨率圖像和已經拼接好的所述低分辨率圖像，先進性分幅處理。
7.根據權利
8.根據權利要求1所述的遙感影像超分辨率重建方法，其特征在于，所述風格遷移模型選自包括CycleGAN模型、Pixel2Pixel模型，CUT模型的集合，所述風格遷移模型包括第一生成器、第二生成器和鑒別器。
9.根據權利要求1所述的遙感影像超分辨率重建方法，其特征在于，利用所述超分辨率模型訓練集、測試集訓練超分辨率模型的過程包括：
10.根據權利要求8所述的遙感影像超分辨率重建方法，其特征在于，利用所述風格遷移模型訓練集、測試集訓練風格遷移模型的過程包括：
...【技術特征摘要】
1.一種遙感影像超分辨率重建方法，其中，所述遙感影像超分辨率重建方法包括：
2.根據權利要求1所述的遙感影像超分辨率重建方法，其特征在于，所述步驟s1中：
3.根據權利要求1所述的的遙感影像超分辨率重建方法，其特征在于，所述切分后低分辨率圖像包含與相鄰切分后低分辨率圖像的重疊區，所述重疊區的寬度為所述切分后低分辨率圖像寬度的1/8～1/2，優選為1/6～1/2。
4.根據權利要求3所述的遙感影像超分辨率重建方法，其特征在于，對所述超分影像進行拼接處理時，相鄰所述超分影像去除重疊區的部分后，進行拼接，優選相鄰所述超分影像去除的所述重疊區的部分的寬度之和為所述重疊區寬度的r/2。
5.根據權利要求1所述的遙感影像超分辨率重建方法，其特征在于，所述步驟s1中，對所述高分辨率圖像和所述低分辨率圖像進行所述切分處理前還包括預處理過程，所述預處理和所述切分處理包括：
...
【專利技術屬性】
技術研發人員：聞志強，王吉旭，張昕，
申請(專利權)人：中國空間技術研究院杭州中心，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。