一种轮船目标遥感影像的超分辨率重建方法及系统技术方案

本发明专利技术实施例提供一种轮船目标遥感影像的超分辨率重建方法及系统，该方法包括：对轮船目标遥感影像样本库中的图像进行图像分块和图像块矩阵映射，得到高‑低图像块映射矩阵；基于所述高‑低图像块映射矩阵，根据预设网络参数，利用机器学习深度卷积神经网络模型进行训练，得到超分重建卷积神经网络权重固化模型。本发明专利技术实施例通过针对特定轮船目标遥感影像样本进行训练得到超分重建卷积神经网络权重固化模型，与一般模型相比，针对轮船目标遥感影像的处理具有更高的重建精度和速度，输出图像的分辨率和清晰度得到显著提高，针对轮船目标可实现特定化处理应用。

A Super-resolution Reconstruction Method and System for Ship Target Remote Sensing Images

The embodiment of the present invention provides a super-resolution reconstruction method and system for remote sensing images of ship targets. The method includes: image segmentation and image block matrix mapping of the image in the sample library of remote sensing images of ship targets to obtain high-low image block mapping matrix; based on the high-low image block mapping matrix, machine learning depth convolution is used according to the preset network parameters. After training the network model, the weight solidification model of convolutional neural network with over-fraction reconstruction is obtained. The embodiment of the present invention obtains the weight solidification model of convolution neural network for super-fractional reconstruction by training remote sensing image samples of specific ship targets. Compared with the general model, the processing of remote sensing image for ship targets has higher reconstruction accuracy and speed, the resolution and clarity of the output image are significantly improved, and the application of specific processing for ship targets can be realized.

【技术实现步骤摘要】
一种轮船目标遥感影像的超分辨率重建方法及系统
本专利技术实施例涉及图像处理及机器学习
，具体涉及一种轮船目标遥感影像的超分辨率重建方法及系统。
技术介绍
图像超分辨率重建技术(Super-Resolution)是一项重要的数字图像处理技术，利用一幅或多幅低分辨率图像(或运动序列)，通过相应的算法，重建出一幅高分辨率、高信息含量的图像。该技术突破了图像传感器自身的分辨率限制，可以在不改变或不提升图像采集硬件的前提下，提高图像的分辨率，改善图像质量。处理结果有利于地表目视解译、图像目标算法识别、地物类型分析、定量反演精度的提升，提高图像的信息表达能力和利用价值。并且，通过光学目标的超分辨率重建技术，能对地面目标识别、类型和数量判读以及目标自动检测应用提供技术支撑。光学目标超分重建技术的实现方法有多种，如有基于频率域的或基于空间域的实现，也有基于单帧或多帧的实现。目前也出现一些基于深度学习的超分重建方法，如ESPCN、SRCNN、SRGAN、VDSR、FSRCNN等基于卷积神经网络技术实现的图像超分重建，用于提升图像目标的空间分辨率。但是，目前基于深度学习的众多图像超分重建方法中都存本文档来自技高网...

【技术保护点】
1.一种轮船目标遥感影像的超分辨率重建方法，其特征在于，包括：对轮船目标遥感影像样本库中的图像进行图像分块和图像块矩阵映射，得到高‑低图像块映射矩阵；基于所述高‑低图像块映射矩阵，根据预设网络参数，利用机器学习深度卷积神经网络模型进行训练，得到超分重建卷积神经网络权重固化模型。

【技术特征摘要】
1.一种轮船目标遥感影像的超分辨率重建方法，其特征在于，包括：对轮船目标遥感影像样本库中的图像进行图像分块和图像块矩阵映射，得到高-低图像块映射矩阵；基于所述高-低图像块映射矩阵，根据预设网络参数，利用机器学习深度卷积神经网络模型进行训练，得到超分重建卷积神经网络权重固化模型。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：将低分辨率轮船目标遥感影像输入到所述超分重建卷积神经网络权重固化模型，从而输出得到高分辨率轮船目标遥感影像。3.根据权利要求1所述的方法，其特征在于，所述利用机器学习深度卷积神经网络模型进行训练包括通过调用深度学习框架Caffe实现。4.根据权利要求1所述的方法，其特征在于，所述预设网络参数包括模型结构设计参数，所述模型结构设计参数包括卷积神经网络层数以及特征图层数；其中，所述卷积神经网络层数为24，所述特征图层数为64。5.根据权利要求4所述的方法，其特征在于，所述预设网络参数还包括标准参数，所述标准参数包括卷积核大小、卷积核移动步长、激活函数、损失函数、梯度下降函数、残差层函数、训练图像块尺寸和目标图像块尺寸；其中，所述卷积核大小为5×5，所述卷积核移动步长为20，所述激活函数为PRelu，所述损失函数为EuclideanLoss，所述梯度下降函数为Adam，所述残差层函数为Eltwise，所述训练图像块尺寸和所述目标图像块尺寸均为41；每一层卷积计算后的高维特征图均利用所述激活函数进行计算，实现非线性特征映...

【专利技术属性】
技术研发人员：王玄音，王宇昊，
申请(专利权)人：北京悦图遥感科技发展有限公司，
类型：发明
国别省市：北京,11