【技術實現步驟摘要】
本專利技術屬于圖像增強領域，特別涉及一種遙感測繪圖像增強處理方法。
技術介紹
1、遙感測繪圖像增強是提高圖像質量和可用性的重要技術手段，廣泛應用于地理信息系統、環境監測、資源勘探等領域，由于遙感圖像的獲取環境復雜，常常受到大氣干擾、光照條件變化以及傳感器噪聲的影響，導致圖像質量較差，通過圖像增強技術，可以改善圖像的清晰度、對比度和細節表現，提升對地物目標的識別能力，為后續的圖像處理和分析提供可靠的基礎。
2、圖像增強技術包括空間域和頻率域兩大類方法。空間域方法主要通過調整像素值，改善圖像的亮度和對比度，例如直方圖均衡化、伽馬校正等，頻率域方法則通過傅里葉變換等手段，對圖像進行頻譜分析，濾除噪聲和不相關信息，增強有用信息的表現，在遙感測繪領域，圖像增強技術通常結合具體的應用需求，針對不同地物特征和任務目標進行優化。
3、隨著深度學習等先進技術的引入，基于深度神經網絡的圖像增強方法逐漸成為研究熱點，這類方法能夠通過學習大量遙感圖像數據的特征，自動實現圖像的高效增強，相比傳統方法，深度學習技術具有更強的自適應性和魯棒性，能夠在復雜的遙感場景中取得更優的圖像增強效果，為遙感測繪的精度和效率提供了有力支持。
技術實現思路
1、本專利技術提供一種遙感測繪圖像增強處理方法，旨在提出遙感測繪圖像增強模型，其中初始化模塊為后續操作提供多種類型圖像，優化采樣模塊一通過卷積操作和補償特征圖的計算，有效增強了遙感圖像的細節表現和局部特征的精度，化采樣模塊二通過加權平均計算補償特征圖
2、本專利技術旨在提出遙感測繪圖像增強模型，提供一種遙感測繪圖像增強處理方法，包括以下步驟：
3、s1、遙感測繪圖像數據集制作，收集多張高質量遙感測繪圖像，并制作遙感測繪圖像數據集；
4、s2、構建初始化模塊，包含3倍下采樣和3倍上采樣；
5、s3、構建優化采樣模塊一，包含3×3深度卷積和計算一類補償特征圖；
6、s4、構建優化采樣模塊二，包含3×3深度卷積和計算二類補償特征圖；
7、s5、構建特征處理模塊，使用對稱編碼結構；
8、s6、構建遙感測繪圖像增強模型，包含輸入、初始化模塊、優化采樣模塊一、優化采樣模塊二、3×3卷積、特征處理模塊、上采樣、輸出；
9、s7、遙感測繪圖像增強模型訓練及使用，使用遙感測繪圖像數據集訓練遙感測繪圖像增強模型，訓練完成后，輸入單張低質量遙感測繪圖像到遙感測繪圖像增強模型，遙感測繪圖像增強模型輸出單張高質量遙感測繪圖像。
10、優選地，在s1步驟中，對于遙感測繪圖像數據集，收集多張高質量遙感測繪圖像，對多張高質量遙感測繪圖像進行降采樣和轉置卷積操作、高斯模糊、運動模糊，獲得多張低質量遙感測繪圖像，并和多張高質量遙感測繪圖像組成多個訓練對，從而形成遙感測繪圖像數據集。
11、優選地，在s2步驟中，對于初始化模塊，輸入單張低質量遙感測繪圖像i，i∈rh×w×3，h、w和3代表單張低質量遙感測繪圖像i的高、寬和通道，r代表實數空間，即h和w取值為實數，將單張低質量遙感測繪圖像i進行3倍下采樣得到單張3倍下采樣低質量遙感測繪圖像id，是h、w的三分之一，將單張3倍下采樣低質量遙感測繪圖像id進行3倍上采樣得到單張損失低質量遙感測繪圖像iu，iu∈rh×w×3，使用單張低質量遙感測繪圖像i對單張損失低質量遙感測繪圖像iu進行逐元素相減，得到損失圖像iloss，iloss∈rh×w×3，iloss＝i-iu，-代表逐元素相減，單張低質量遙感測繪圖像i、單張損失低質量遙感測繪圖像iu、損失圖像iloss、低質量遙感測繪圖像id是初始化模塊的輸出。
12、優選地，在s2步驟中，初始化模塊采用了3倍下采樣和3倍上采樣的策略，通過將低質量遙感測繪圖像進行降采樣，減少遙感測繪圖像中的噪聲和冗余信息，然后再通過上采樣恢復遙感測繪圖像的尺寸，在保持遙感測繪圖像關鍵信息的同時減少了處理的復雜度，為后續操作提供多種類型的輸入，包含低質量遙感測繪圖像、損失低質量遙感測繪圖像、損失圖像、低質量遙感測繪圖像。
13、優選地，在s3步驟中，對于優化采樣模塊一，獲得初始化模塊輸出的單張低質量遙感測繪圖像i、單張損失低質量遙感測繪圖像iu、損失圖像iloss，i∈rh×w×3，iu∈rh×w×3，iloss∈rh×w×3，h、w和3代表單張低質量遙感測繪圖像i、單張損失低質量遙感測繪圖像iu、損失圖像iloss的高、寬和通道，r代表實數空間，然后獲得特征fos1和特征fos2，fos1＝dwconv3×3(i)，
14、fos2＝dwconv3×3(iu)，dwconv3×3(iu)代表3×3深度卷積，h1、w1和c1代表特征fos1和特征fos2的高、寬和通道，然后通過特征fos1和特征fos2每個像素位置(i，j)和每個顏色通道c，計算特征fos1和特征fos2之間的相似度similari，j，c，
15、代表特征fos1每個像素位置(i，j)和每個顏色通道c，代表特征fos2每個像素位置(i，j)和每個顏色通道c，i∈[0，h1-1]，j∈[0，w1-1]，c∈[0，c1-1]，·代表點乘，代表的l2范數，代表的l2范數，然后計算一類補償特征圖c1，c1∈rh×w×3，其中tconv代表轉置卷積，代表調節補償強度的自適應超參數，target?size＝h×w×3代表轉置卷積tconv輸出目標維度為h×w×3，將一類補償特征圖c1和損失圖像iloss在通道維度進行拼接，得到混合圖像iosc，iosc∈rh×w×6，然后得到優化編碼圖像ice1，
16、ice1＝down(dwconv3×3(concat(linear(iosc)，i)))，其中linear代表線性層，concat代表在通道維度進行拼接，dwconv3×3代表3×3深度卷積，down代表下采樣，優化編碼圖像ice1是優化采樣模塊一的輸出。
17、優選地，在s3步驟中，對于優化采樣模塊一，利用3×3深度卷積操作和特征圖之間的相似度計算，生成一類補償特征圖，這一過程通過分析像素和顏色通道之間的關系，確保了遙感圖像中的細節特征能夠被精確捕捉和優化，通過對補償特征圖與損失圖像的拼接，生成優化的編碼圖像，使遙感測繪圖像增強模型能夠在遙感測繪圖像增強過程中充分保留局部細節和紋理信息，從而提升遙感測繪圖像的整體質量。
18、優選地，在s4步驟中，對于優化采樣模塊二，獲得初始化模塊輸出的單張低質量遙感測繪圖像i、單張損失低質量遙感測繪圖像iu、損失圖像iloss，i∈rh×w×3，iu∈rh×w×3，iloss∈rh×w×3，h、w和3代表單張低質量遙感測繪圖像i、單張損失低質量遙感測繪圖像iu、損失圖像iloss的高、寬和通道，r代表實數空間，本文檔來自技高網...
【技術保護點】
1.一種遙感測繪圖像增強處理方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種遙感測繪圖像增強處理方法，其特征在于，在S1步驟中，對于遙感測繪圖像數據集，收集多張高質量遙感測繪圖像，對多張高質量遙感測繪圖像進行降采樣和轉置卷積操作、高斯模糊、運動模糊，獲得多張低質量遙感測繪圖像，并和多張高質量遙感測繪圖像組成多個訓練對，從而形成遙感測繪圖像數據集。
3.根據權利要求1所述的一種遙感測繪圖像增強處理方法，其特征在于，在S2步驟中，對于初始化模塊，輸入單張低質量遙感測繪圖像I，I∈Rh×w×3，h、w和3代表單張低質量遙感測繪圖像I的高、寬和通道，R代表實數空間，即h和w取值為實數，將單張低質量遙感測繪圖像I進行3倍下采樣得到單張3倍下采樣低質量遙感測繪圖像Id，是h、w的三分之一，將單張3倍下采樣低質量遙感測繪圖像Id進行3倍上采樣得到單張損失低質量遙感測繪圖像Iu，Iu∈Rh×w×3，使用單張低質量遙感測繪圖像I對單張損失低質量遙感測繪圖像Iu進行逐元素相減，得到損失圖像Iloss，Iloss∈Rh×w×3，Iloss＝I-Iu，-代表逐元素相
4.根據權利要求1所述的一種遙感測繪圖像增強處理方法，其特征在于，在S3步驟中，對于優化采樣模塊一，獲得初始化模塊輸出的單張低質量遙感測繪圖像I、單張損失低質量遙感測繪圖像Iu、損失圖像Iloss，I∈Rh×w×3，Iu∈Rh×w×3，Iloss∈Rh×w×3，h、w和3代表單張低質量遙感測繪圖像I、單張損失低質量遙感測繪圖像Iu、損失圖像Iloss的高、寬和通道，R代表實數空間，然后獲得特征FOS1和特征FOS2，FOS1＝DWConv3×3(I)，FOS2＝DWConv3×3(Iu)，DWConv3×3代表3×3深度卷積，h?1、w1和c1代表特征FOS1和特征FOS2的高、寬和通道，然后通過特征FOS1和特征FOS2每個像素位置(i，j)和每個顏色通道c，計算特征FOS1和特征FOS2之間的相似度Similari，j，c，
5.根據權利要求1所述的一種遙感測繪圖像增強處理方法，其特征在于，在S4步驟中，對于優化采樣模塊二，獲得初始化模塊輸出的單張低質量遙感測繪圖像I、單張損失低質量遙感測繪圖像Iu、損失圖像Iloss，I∈Rh×w×3，Iu∈Rh×w×3，Iloss∈Rh×w×3，h、w和3代表單張低質量遙感測繪圖像I、單張損失低質量遙感測繪圖像Iu、損失圖像Iloss的高、寬和通道，R代表實數空間，然后得到特征FTS1和特征FTS2，FTS1＝Conv3×3(I)，FTS2＝Conv3×3(Iu)，h1、w1和c1代表特征FTS1和特征FTS2的高、寬和通道，然后計算特征FTS1和特征FTS2每個像素位置(i，j)的加權平均特征值FTS1(i，j)和FTS2(i，j)，i∈[0，h1-1]，j∈[0，w1-1]，
6.根據權利要求1所述的一種遙感測繪圖像增強處理方法，其特征在于，在S5步驟中，對于特征處理模塊，使用對稱編碼結構，由U-Net實現，包含輸入層、編碼器、瓶頸層、解碼器、輸出層，其中輸入層的輸入圖像和輸出層的輸出圖像維度一致，輸入層和輸出層都由3×3卷積實現，編碼器包含多個堆疊卷積層、ReLU激活函數和最大池化層，瓶頸層在編碼器和解碼器之間，使用下采樣實現，解碼器包含轉置卷積層和跳躍連接。
7.根據權利要求1所述的一種遙感測繪圖像增強處理方法，其特征在于，在S6步驟中，對于遙感測繪圖像增強模型，輸入單張低質量遙感測繪圖像I到初始化模塊，I∈Rh×w×3，h、w和3代表單張低質量遙感測繪圖像I的高、寬和通道，R代表實數空間，即h和w取值為實數，初始化模塊輸出單張低質量遙感測繪圖像I、單張損失低質量遙感測繪圖像Iu、損失圖像Iloss、低質量遙感測繪圖像Id，Iu∈Rh×w×3，Iloss∈Rh×w×3，然后將單張低質量遙感測繪圖像I、單張損失低質量遙感測繪圖像Iu、損失圖像Iloss輸入到優化采樣模塊一和優化采樣模塊二，優化采樣模塊一輸出優化編碼圖像ICE1，優化采樣模塊二輸出優化編碼圖像ICE2，將優化編碼圖像ICE1、優化編碼圖像ICE2、低質量遙感測繪圖像Id在通道維度進行拼接得到多重混合圖像IMIX，將多重混合圖像IMIX輸入到3×3卷積得到中間處理圖像IMID，將中間處理圖像IMID輸入到特征處理模塊得到最終優化圖像IFin，將最終優化圖像IFin輸入到上采樣，得到單張高質量遙感測繪圖像I+，I+∈Rh×w×3，單張高質量遙感測繪圖像I+是遙感測繪圖...
【技術特征摘要】
1.一種遙感測繪圖像增強處理方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種遙感測繪圖像增強處理方法，其特征在于，在s1步驟中，對于遙感測繪圖像數據集，收集多張高質量遙感測繪圖像，對多張高質量遙感測繪圖像進行降采樣和轉置卷積操作、高斯模糊、運動模糊，獲得多張低質量遙感測繪圖像，并和多張高質量遙感測繪圖像組成多個訓練對，從而形成遙感測繪圖像數據集。
3.根據權利要求1所述的一種遙感測繪圖像增強處理方法，其特征在于，在s2步驟中，對于初始化模塊，輸入單張低質量遙感測繪圖像i，i∈rh×w×3，h、w和3代表單張低質量遙感測繪圖像i的高、寬和通道，r代表實數空間，即h和w取值為實數，將單張低質量遙感測繪圖像i進行3倍下采樣得到單張3倍下采樣低質量遙感測繪圖像id，是h、w的三分之一，將單張3倍下采樣低質量遙感測繪圖像id進行3倍上采樣得到單張損失低質量遙感測繪圖像iu，iu∈rh×w×3，使用單張低質量遙感測繪圖像i對單張損失低質量遙感測繪圖像iu進行逐元素相減，得到損失圖像iloss，iloss∈rh×w×3，iloss＝i-iu，-代表逐元素相減，單張低質量遙感測繪圖像i、單張損失低質量遙感測繪圖像iu、損失圖像iloss、低質量遙感測繪圖像id是初始化模塊的輸出。
4.根據權利要求1所述的一種遙感測繪圖像增強處理方法，其特征在于，在s3步驟中，對于優化采樣模塊一，獲得初始化模塊輸出的單張低質量遙感測繪圖像i、單張損失低質量遙感測繪圖像iu、損失圖像iloss，i∈rh×w×3，iu∈rh×w×3，iloss∈rh×w×3，h、w和3代表單張低質量遙感測繪圖像i、單張損失低質量遙感測繪圖像iu、損失圖像iloss的高、寬和通道，r代表實數空間，然后獲得特征fos1和特征fos2，fos1＝dwconv3×3(i)，fos2＝dwconv3×3(iu)，dwconv3×3代表3×3深度卷積，h?1、w1和c1代表特征fos1和特征fos2的高、寬和通道，然后通過特征fos1和特征fos2每個像素位置(i，j)和每個顏色通道c，計算特征fos1和特征fos2之間的相似度similari，j，c，
5.根據權利要求1所述的一種遙感測繪圖像增強處理方法，其特征在于，在s4步驟中，對于優化采樣模塊二，獲得初始化模塊輸出的單...
【專利技術屬性】
技術研發人員：任開永，李士孟，何雷，
申請(專利權)人：山東省經緯工程測繪勘察院有限公司，
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。