基于分形深度卷积生成对抗网络的海冰遥感图像仿真方法技术

本发明专利技术涉及一种基于分形深度卷积生成对抗网络的海冰遥感图像仿真方法，包括以下步骤：步骤1：收集N幅实际海冰遥感图像，利用分形方法生成N个K×K的海冰场景高程矩阵；步骤2：依据每个高程矩阵和海冰色带，逐一索引生成初始仿真海冰RGB图像集；步骤3：将初始仿真海冰RGB图像矢量化，形成N个初始化矢量数据；步骤4：利用步骤3形成的矢量数据作为生成网络初始输入，同时初始化生成网络和判别网络权重参数；步骤5：利用N幅实际海冰遥感图像训练分形深度卷积生成对抗网络；步骤6：通过步骤1～步骤3重新生成矢量数据，将数据输入步骤5所训练完成的分形深度卷积生成对抗网络。本发明专利技术能够降低网络计算量，同时提升海冰仿真效果。

【技术实现步骤摘要】
基于分形深度卷积生成对抗网络的海冰遥感图像仿真方法
本专利技术涉及一种海冰遥感图像仿真方法，特别是一种基于分形深度卷积生成对抗网络的海冰遥感图像仿真方法(FractalDeepConvolutionalGenerativeAdversarialNetworks，FDCGAN)，本专利技术属于极地遥感图像分析和仿真研究领域。
技术介绍
随着北极海冰的加速融化，越来越多的船只在特殊时间尝试将北极水路作为较短的商业路线，然而恶劣的海冰环境仍然是北部沿海地带和极地航行的巨大威胁。对极地海冰遥感图像的分析和研究，对冰情分析、导航、海冰预警意义重大。当今，极地海冰遥感图像是非常稀有资源，一方面极地航行机会较少，实地飞行也具有一定难度，另外卫星影像易收到恶劣天气、云雾等影响，难以有效应用。因而大多数研究人员几乎没有机会收集有效的研究数据。可见研究一种图像仿真生成方法是必要的。深度卷积生成对抗网络(DCGAN)是最近几年提出的图像生成方法之一，对多种自然场景都有很好的性能，能够得到十分逼真的仿真图像，从而得到了广泛应用。传统DCGAN的初始化输入为1×100的随机向量，进而训练完成后，可通过输入统一维度的随机向量得到相应的图像。除了DCGAN之外，分形理论对于多种场景的图像生成也是有效的。研究发现，海冰具有云、树木、海岸线等相似的分形特性，因而可基于分形的方法仿真生成海冰图像，进而，如果用分形理论获得仿真图像作为DCGAN的初始化，则可让DCGAN更加快速学习海冰的分形特性，并以此作为约束，改进DCGAN仿真图像的效果，同时由于初始数据已具备了海冰图像特征，因而相对输入随机向量，更易促进DCGAN的收敛效率。受此启发，引入分形深卷积生成对抗网络(FDCGAN)。综上所述，本专利技术提出基于分形深度卷积生成对抗网络的海冰遥感图像仿真方法(FDCGAN)进行海冰图像仿真生成。从国际上近期研究设计的北冰洋色带图中筛选了色带。将分形仿真图进行矢量化，选择了维度更低的输入层向量，降低了网络计算量，同时能够提升海冰仿真效果。
技术实现思路
针对上述现有技术，本专利技术要解决的技术问题是提供一种能够降低网络计算量，同时提升海冰仿真效果的基于分形深度卷积生成对抗网络的海冰遥感图像仿真方法。为解决上述技术问题，本专利技术一种基于分形深度卷积生成对抗网络的海冰遥感图像仿真方法，包括以下步骤：步骤(1)：收集N幅实际海冰遥感图像，利用分形方法生成N个K×K的海冰场景高程矩阵；步骤(2)：依据每个高程矩阵和海冰色带，按步骤(1)生成的海冰场景高程矩阵逐一索引生成初始仿真海冰RGB图像集；步骤(3)：将步骤(2)生成的初始仿真海冰RGB图像矢量化，形成N个初始化矢量数据；步骤(4)：利用步骤(3)形成的矢量数据作为生成网络初始输入，同时初始化生成网络和判别网络权重参数；步骤(5)：利用N幅实际海冰遥感图像训练分形深度卷积生成对抗网络；步骤(6)：通过步骤(1)～步骤(3)重新生成矢量数据，将重新生成矢量数据输入步骤(5)所训练完成的分形深度卷积生成对抗网络。本专利技术还包括：1.步骤(1)中分形方法使用菱形-正方形算法生成N个K×K的海冰场景高程矩阵，计算正方形基平面中心处高度满足：其中HC是正方形基平面中心出的高度值；H00、H01、H11、H10分别为基平面四个角点处的高度值；D0是中心点处的随机偏移量，D0为满足高斯分布的随机变量，D0的概率密度函数为f(x)，满足：其中，均值μ∈[0,100]，方差σ∈[0,1]。2.步骤(3)中矢量化是将每幅K×K×3的仿真RGB图像先按从R、G、B三个矩阵先后顺序排列，随后对每个矩阵从左上角像素进行Z字形扫描所有像素值，并依次排列形成矢量。本专利技术有益效果：改进了传统DCGAN采用随机向量初始化生成网络部分；采用基于菱形-正方形算法(Diamond-Square算法)生成仿真的海冰地形矩阵,将其作为DCGAN的生成网络部分的初始化，使得初始化数据具备了分形特征；生成网络维度降低，大幅减小了网络训练和测试的计算量。附图说明图1基于F-DCGAN的海冰机载遥感图像仿真方法流程图；图2基于Diamond-Square算法生成仿真的海冰地形矩阵技术流程图；图3初始仿真海冰RGB图像像素值索引及矩阵矢量化流程图；图4(a)传统DCGAN与本专利技术FDCGAN的仿真效果对比图-实际海冰图像；图4(b)传统DCGAN与本专利技术FDCGAN的仿真效果对比图-传统DCGAN生成的海冰图像；图4(c)传统DCGAN与本专利技术FDCGAN的仿真效果对比图-FDCGAN生成的海冰图像具体实施方式下面结合附图举例对本专利技术做更详细地描述，本专利技术总体技术流程参照图1，具体方案如下：步骤(1)：首先收集N幅实际海冰图像，该部分由美国国家航空航天局NASA所提供的数据网站获得。然后利用基于菱形-正方形算法(Diamond-Square算法)生成N个海冰场景的高程矩阵，Diamond-Square算法的具体流程参照图2，即首先随机初始化一个K×K的高程矩阵，然后对该矩阵四个角点的初值，然后进入Diamond步骤，利用四个角点的均值定义中点的值，然后利用该中点按四个边对称的原则，向上下左右镜像出四个点。进入Square步骤，分别以原矩阵各边上两角点、Diamond步骤的中点、以及一个镜像点的值取均值确定原矩阵边中点的值。以此类推，交替使用Diamond、Square步骤得到矩阵内部各点的值，最终得到具备分形特性的高程矩阵；步骤(2)：依据每个高程矩阵和海冰色带，逐一索引生成初始仿真海冰RGB图像集；其中海冰色带可以从N幅实际海冰图像中筛选，亦可自定义格式一般为C×3的矩阵，本专利技术采用了某极地海洋色带研究文献中所提供的研究结果数据，为256×3的色带矩阵，该矩阵每行3个数值分别对应一种R,G,B索引值，将高程矩阵量化到256个灰度级，高程矩阵中不同位置即利用其高程值所在灰度级选择色带矩阵中对应的行进行颜色赋值，从而获得初始仿真K×K×3的RGB图像。步骤(3)：参照图3将初始仿真海冰图像矢量化，形成N个初始化矢量数据；具体方式为将每幅K×K×3的仿真RGB图像先按从R、G、B三个band矩阵先后顺序排列，随后对每个band矩阵从左上角像素进行Z字形扫描所有像素值，并依次排列形成矢量。步骤(4)：利用步骤(3)矢量数据作为生成网络初始输入，替换原算法1×100的随机向量。同时初始化生成网络和判别网络权重参数，各参数的初始化均采用高斯随机数；步骤(5)：利用N幅实际海冰遥感图像训练分形深度卷积生成对抗网络，训练方式可参照一般DCGAN常规训练方式；步骤(6)：通过步骤(1)～步骤(3)重新生成矢量数据，将其输入步骤(5)所训练完成的分形深度卷积生成对抗网络，则可生成更高质量的仿真海冰遥感图像，最终仿真效果参照图4(a)、图4(b)和图4(c)，给出了9组真实海冰图像，9组DCGAN所生成的仿真海冰图像，以及9组用与DCGAN同样训练样本集、同样参数设置训练得到的FDCGAN所生成的仿真海冰图像。上述为本专利技术特举之实施例，并非用以限定本专利技术。本专利技术提供的基于分形深度卷积生成对抗网络的海冰遥感图像仿真方法，其对生成对抗网络的生成网络初始化输入的改进策略，也可适用于其本文档来自技高网...

【技术保护点】
1.一种基于分形深度卷积生成对抗网络的海冰遥感图像仿真方法，其特征在于，包括以下步骤：步骤(1)：收集N幅实际海冰遥感图像，利用分形方法生成N个K×K的海冰场景高程矩阵；步骤(2)：依据每个高程矩阵和海冰色带，按步骤(1)生成的海冰场景高程矩阵逐一索引生成初始仿真海冰RGB图像集；步骤(3)：将步骤(2)生成的初始仿真海冰RGB图像矢量化，形成N个初始化矢量数据；步骤(4)：利用步骤(3)形成的矢量数据作为生成网络初始输入，同时初始化生成网络和判别网络权重参数；步骤(5)：利用N幅实际海冰遥感图像训练分形深度卷积生成对抗网络；步骤(6)：通过步骤(1)～步骤(3)重新生成矢量数据，将重新生成矢量数据输入步骤(5)所训练完成的分形深度卷积生成对抗网络。

【技术特征摘要】
1.一种基于分形深度卷积生成对抗网络的海冰遥感图像仿真方法，其特征在于，包括以下步骤：步骤(1)：收集N幅实际海冰遥感图像，利用分形方法生成N个K×K的海冰场景高程矩阵；步骤(2)：依据每个高程矩阵和海冰色带，按步骤(1)生成的海冰场景高程矩阵逐一索引生成初始仿真海冰RGB图像集；步骤(3)：将步骤(2)生成的初始仿真海冰RGB图像矢量化，形成N个初始化矢量数据；步骤(4)：利用步骤(3)形成的矢量数据作为生成网络初始输入，同时初始化生成网络和判别网络权重参数；步骤(5)：利用N幅实际海冰遥感图像训练分形深度卷积生成对抗网络；步骤(6)：通过步骤(1)～步骤(3)重新生成矢量数据，将重新生成矢量数据输入步骤(5)所训练完成的分形深度卷积生成对抗网络。2.根据权利要求1所述...

【专利技术属性】
技术研发人员：闫奕名，宿南，赵春晖，王立国，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江,23