【技術(shù)實現(xiàn)步驟摘要】
本申請涉及圖像處理，尤其是涉及一種基于先驗擴散模型的遙感圖像超分辨率重建方法及系統(tǒng)。
技術(shù)介紹
1、目前，在遙感圖像超分辨率重建中，基于擴散模型的方法通過逐步推斷高分辨率圖像，這些方法在細節(jié)保留和全局一致性方面都有顯著提升，擴散模型的引入為解決遙感圖像超分辨率重建問題提供了新的思路，特別是在災(zāi)后影像的重建中，能夠提升建筑物細節(jié)的還原程度，為后續(xù)災(zāi)害評估提供精準的數(shù)據(jù)支持。
2、然而，當前的超分辨率重建技術(shù)面臨兩大挑戰(zhàn)，首先，遙感圖像中常包含大量小目標，特別是在災(zāi)后評估場景中，如倒塌的建筑碎片和地面裂縫等，這些小目標具有低像素密度、聚集分布、被遮擋以及尺度多樣化的特征，導(dǎo)致高精度重建尤為困難。現(xiàn)有方法對小目標的高頻細節(jié)建模能力有限，難以有效恢復(fù)這些精細特征，而這些細節(jié)對于判斷建筑損壞程度和制定維修計劃至關(guān)重要。
3、其次，擴散模型的去噪過程通常基于unet架構(gòu)，unet中編碼器與解碼器的信息傳遞通常采用直接通道拼接的方式，容易在語義信息傳遞過程中出現(xiàn)不匹配，導(dǎo)致語義差距問題。特別是在災(zāi)后復(fù)雜場景的重建中，如高層建筑與周邊殘骸的評估，這種信息不匹配可能引入重建的模糊和失真。此外，unet在下采樣過程中通常采用步長卷積，導(dǎo)致特征信息的損失，尤其是高頻細節(jié)的丟失，限制了重建結(jié)果在細節(jié)還原方面的表現(xiàn)。這對災(zāi)后城市基礎(chǔ)設(shè)施的精細評估有直接影響，細節(jié)的缺失可能導(dǎo)致對損壞程度的錯誤判斷。
4、因此，亟待需要設(shè)計一種更加精細化的重建方法，提升遙感圖像超分辨率重建的性能，特別是針對自然災(zāi)害后復(fù)雜場景下的基礎(chǔ)設(shè)施損
技術(shù)實現(xiàn)思路
1、本申請旨在解決上述提出的現(xiàn)有技術(shù)中存在的至少一個問題，基于此，提出一種基于先驗擴散模型的遙感圖像超分辨率重建方法。
2、第一方面，本申請?zhí)峁┮环N基于先驗擴散模型的遙感圖像超分辨率重建方法，包括：
3、獲取低分辨率圖像和高分辨率圖像，對所述低分辨率圖像進行淺層特征信息提取，得到淺層特征圖；
4、對所述淺層特征圖和所述高分辨率圖像分別進行多尺度下采樣及卷積融合處理，得到所述淺層特征圖對應(yīng)的第一多尺度特征圖及所述高分辨率圖像對應(yīng)的第二多尺度特征圖；
5、對所述第一多尺度特征圖和所述第二多尺度特征圖分別進行快速傅里葉變換得到第一頻譜特征圖和第二頻譜特征圖，以及分別對所述第一頻譜特征圖和所述第二頻譜特征圖進行高頻信息的提取、并對所述高頻信息進行自適應(yīng)高頻增強處理，得到第一高頻特征圖和第二高頻特征圖；
6、根據(jù)所述第一高頻特征圖和所述第二高頻特征圖的頻譜幅值及相位信息搭建第一損失函數(shù)，基于所述第一損失函數(shù)，確定包括圖像重建結(jié)果的條件信息；
7、對所述高分辨率圖像進行正向擴散處理,得到加噪后的終態(tài)圖像，搭建噪聲預(yù)測的初始網(wǎng)絡(luò)模型，并基于所述終態(tài)圖像以及所述條件信息對所述初始網(wǎng)絡(luò)模型進行訓(xùn)練得到噪聲預(yù)測的目標網(wǎng)絡(luò)模型；
8、對所述終態(tài)圖像進行反向擴散處理以得到重建高分辨率圖像，其中，在反向擴散處理過程中基于所述目標網(wǎng)絡(luò)模型得到每一次圖像迭代的噪聲估計值，所述噪聲估計值用于引導(dǎo)反向擴散過程的噪聲處理以得到高分辨率的圖像。
9、在一些實施方式中，所述獲取低分辨率圖像和高分辨率圖像，對所述低分辨率圖像進行淺層特征信息提取，得到淺層特征圖，包括：
10、對所述低分辨率圖像進行直接特征提取得到目標特征圖、以及殘差特征提取得到目標殘差特征，將所述目標特征圖與所述目標殘差特征進行殘差連接，得到所述淺層特征圖。
11、在一些實施方式中，所述對所述低分辨率圖像進行直接特征提取得到目標特征圖、以及殘差特征提取得到目標殘差特征，將所述目標特征圖與所述目標殘差特征進行殘差連接，得到所述淺層特征圖中，所述直接特征提取包括：
12、對所述低分辨率圖像提取初始特征，得到初始特征圖；
13、基于激活函數(shù)對所述初始特征圖進行非線性變換，以及對非線性變換后的所述初始特征圖進行卷積操作得到第一路特征圖及第二路特征圖；
14、對所述第一路特征圖分別進行第一分支處理以及第二分支處理，其中，所述第一分支處理包括對所述第一路特征圖進行深度卷積和逐點卷積提取空間和通道信息得到輸出特征圖；所述第二分支處理包括對第一路特征圖進行特征壓縮與維度匹配生成注意力權(quán)重；
15、基于所述注意力權(quán)重對所述輸出特征圖進行加權(quán)處理生成加權(quán)特征圖；
16、對所述第二路特征圖進行深度可分離卷積操作提取第一特征信息，將所述第一特征信息與所述加權(quán)特征圖進行通道融合以及卷積操作，得到第二特征信息；
17、將所述第二特征信息與所述初始特征圖進行全局殘差融合生成目標特征圖。
18、在一些實施方式中，所述對所述低分辨率圖像進行直接特征提取得到目標特征圖、以及殘差特征提取得到目標殘差特征，將所述目標特征圖與所述目標殘差特征進行殘差連接，得到所述淺層特征圖，所述殘差特征提取包括：
19、對所述低分辨率圖像進行深度可分離卷積操作提取初始殘差特征，以及對所述初始殘差特征進行像素重排得到上采樣特征，并對所述上采樣特征進行卷積操作得到目標殘差特征。
20、在一些實施方式中，所述根據(jù)所述第一高頻特征圖和所述第二高頻特征圖的頻譜幅值及相位信息搭建第一損失函數(shù)，基于所述第一損失函數(shù)，確定包括圖像重建結(jié)果的條件信息，包括：
21、搭建度量重建圖像與真實圖像在高頻區(qū)域中差異的幅值損失函數(shù)，其中，所述幅值損失函數(shù)表達式為：
22、
23、式中，、和分別表示頻譜圖的高、寬和通道數(shù)，、和分別表示頻譜數(shù)據(jù)在水平頻率維度、垂直頻率維度和通道上的索引位置，|?|表示頻譜幅值的計算，表示第一高頻特征圖，表示第二高頻特征圖，是頻譜特征在第個通道、位置為的復(fù)數(shù)；
24、搭建度量重建圖像與真實圖像在高頻結(jié)構(gòu)上的差異的相位損失函數(shù)，其中，所述相位損失函數(shù)表達式為：
25、；
26、式中，表示頻譜相位的計算；
27、根據(jù)所述幅值損失函數(shù)及所述相位損失函數(shù)，得到第一損失函數(shù)，所述第一損失函數(shù)表達式為：
28、
29、式中，和表示權(quán)重超參數(shù)，表示幅值損失函數(shù)，表示相位損失函數(shù)。
30、在一些實施方式中，所述對所述終態(tài)圖像進行反向擴散處理以得到重建高分辨率圖像，其中，在反向擴散處理過程中基于所述目標網(wǎng)絡(luò)模型得到每一次圖像迭代的噪聲估計值，所述噪聲估計值用于引導(dǎo)反向擴散過程的噪聲處理以得到高分辨率的圖像，包括：
31、向所述目標網(wǎng)絡(luò)模型輸入所述終態(tài)圖像以及所述條件信息，得到在不同時間步長下的噪聲估計值；
32、搭建所述目標網(wǎng)絡(luò)模型對應(yīng)的第二損失函數(shù)，基于所述第二損失函數(shù)判斷所述噪聲估計值與真實噪聲值的差異，其中，所述第二損失函數(shù)表達式為：
33、
34、式中，表示噪聲預(yù)測網(wǎng)絡(luò)的參數(shù)，表示對時間步長、加噪圖像和真實噪聲的期本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于先驗擴散模型的遙感圖像超分辨率重建方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種基于先驗擴散模型的遙感圖像超分辨率重建方法，其特征在于，所述獲取低分辨率圖像和高分辨率圖像，對所述低分辨率圖像進行淺層特征信息提取，得到淺層特征圖，包括：
3.根據(jù)權(quán)利要求2所述的一種基于先驗擴散模型的遙感圖像超分辨率重建方法，其特征在于，所述對所述低分辨率圖像進行直接特征提取得到目標特征圖、以及殘差特征提取得到目標殘差特征，將所述目標特征圖與所述目標殘差特征進行殘差連接，得到所述淺層特征圖中，所述直接特征提取包括：
4.根據(jù)權(quán)利要求3所述的一種基于先驗擴散模型的遙感圖像超分辨率重建方法，其特征在于，所述對所述低分辨率圖像進行直接特征提取得到目標特征圖、以及殘差特征提取得到目標殘差特征，將所述目標特征圖與所述目標殘差特征進行殘差連接，得到所述淺層特征圖，所述殘差特征提取包括：
5.根據(jù)權(quán)利要求1所述的一種基于先驗擴散模型的遙感圖像超分辨率重建方法，其特征在于，所述根據(jù)所述第一高頻特征圖和所述第二高頻特征圖的頻譜幅值及相位信息搭建第一損
6.根據(jù)權(quán)利要求1所述的一種基于先驗擴散模型的遙感圖像超分辨率重建方法，其特征在于，所述對所述終態(tài)圖像進行反向擴散處理以得到重建高分辨率圖像，其中，在反向擴散處理過程中基于所述目標網(wǎng)絡(luò)模型得到每一次圖像迭代的噪聲估計值，所述噪聲估計值用于引導(dǎo)反向擴散過程的噪聲處理以得到高分辨率的圖像，包括：
7.根據(jù)權(quán)利要求6所述的一種基于先驗擴散模型的遙感圖像超分辨率重建方法，其特征在于，所述對所述終態(tài)圖像進行反向擴散處理以得到重建高分辨率圖像，其中，在反向擴散處理過程中基于所述目標網(wǎng)絡(luò)模型得到每一次圖像迭代的噪聲估計值，所述噪聲估計值用于引導(dǎo)反向擴散過程的噪聲處理以得到高分辨率的圖像，還包括：
8.一種基于先驗擴散模型的遙感圖像超分辨率重建系統(tǒng)，其特征在于，包括：
9.一種電子設(shè)備，其特征在于，包括：
10.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序指令，其特征在于，所述計算機程序指令被處理器執(zhí)行時實現(xiàn)權(quán)利要求1-7中任一項所述的一種基于先驗擴散模型的遙感圖像超分辨率重建方法的步驟。
...【技術(shù)特征摘要】
1.一種基于先驗擴散模型的遙感圖像超分辨率重建方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的一種基于先驗擴散模型的遙感圖像超分辨率重建方法，其特征在于，所述獲取低分辨率圖像和高分辨率圖像，對所述低分辨率圖像進行淺層特征信息提取，得到淺層特征圖，包括：
3.根據(jù)權(quán)利要求2所述的一種基于先驗擴散模型的遙感圖像超分辨率重建方法，其特征在于，所述對所述低分辨率圖像進行直接特征提取得到目標特征圖、以及殘差特征提取得到目標殘差特征，將所述目標特征圖與所述目標殘差特征進行殘差連接，得到所述淺層特征圖中，所述直接特征提取包括：
4.根據(jù)權(quán)利要求3所述的一種基于先驗擴散模型的遙感圖像超分辨率重建方法，其特征在于，所述對所述低分辨率圖像進行直接特征提取得到目標特征圖、以及殘差特征提取得到目標殘差特征，將所述目標特征圖與所述目標殘差特征進行殘差連接，得到所述淺層特征圖，所述殘差特征提取包括：
5.根據(jù)權(quán)利要求1所述的一種基于先驗擴散模型的遙感圖像超分辨率重建方法，其特征在于，所述根據(jù)所述第一高頻特征圖和所述第二高頻特征圖的頻譜幅值及相位信息搭建第一損失函數(shù)，基于...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：劉剛，萬文謙，吳旋，康寧，胡廣，
申請(專利權(quán))人：江西師范大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。