遥感图像超分辨率方法、装置、设备及可读存储介质制造方法及图纸

本发明专利技术实施例公开了一种遥感图像超分辨率方法、装置、设备及计算机可读存储介质。其中，方法包括基于SRGAN算法预先构建超分辨图像生成模型，将待提高分辨率的遥感图像输入至超分辨率图像生成模型中，以实现遥感图像超分辨率，超分辨图像生成模型包括生成器、判别器及网络层；生成器和判别器的损失函数为基于推土机距离所得；生成器为以高分辨率遥感图像为输入图像，训练残差卷积网络所得。本申请实现了快速、高效的进行遥感图像超分辨率，将推土机距离定义为损失函数，作为反映训练状态失指标，不仅降低训练难度，还有效提高模型训练稳定性、精度和准确度。

Remote Sensing Image Super Resolution Method, Device, Equipment and Readable Storage Media

The embodiment of the invention discloses a remote sensing image super-resolution method, device, device and computer readable storage medium. Among them, the method includes pre-constructing the super-resolution image generation model based on SRGAN algorithm, inputting the remote sensing image to the super-resolution image generation model to realize the super-resolution of the remote sensing image. The super-resolution image generation model includes generator, discriminator and network layer; the loss function of generator and discriminator is based on bulldozer distance; Using high resolution remote sensing image as input image, the residual convolution network is trained. This application achieves fast and efficient super-resolution of remote sensing images. The bulldozer distance is defined as a loss function, which can be used as an indicator of training state loss. It not only reduces the difficulty of training, but also effectively improves the stability, accuracy and accuracy of model training.

【技术实现步骤摘要】
遥感图像超分辨率方法、装置、设备及可读存储介质
本专利技术实施例涉及超分辨图像处理
，特别是涉及一种遥感图像超分辨率方法、装置、设备及计算机可读存储介质。
技术介绍
图像作为获取信息最直接途径，对其所承载信息量的提升一直是人类的不懈追求，从近年来高分辨率图像的不断更新发展中可见一斑。但在很多领域如遥感、医疗、安防等，图像分辨率的提升往往受到成像传感器的硬件成本、制造工艺和信息传输条件的限制，尤其是对体积、功耗、重量要求苛刻的卫星遥感领域，加大光学系统设计所带来体积和重量的增加是无法忽视的，因此如何在不增加卫星相机体积和重量的前提下，利用多时相低分辨率图像获取更多的高频信息，也就是说，遥感图像超分辨率重构成为本领域技术人员亟待解决的问题。长久以来，超分辨率技术的实际应用也一直受限于多时相遥感图像的获取，有效载荷为线阵推扫相机的低轨遥感卫星的重返周期较长，例如美国陆地观测卫星系列一般的重复周期为16天，如果获取同一场景的多幅图像需要很长的时间，而且在这个期间，地物的场景很极可能会发生变化，因而基于时间跨度较大的多时相数据实现超分辨率重构是不可行的。随着地球同步轨道遥感技术、光学遥感本文档来自技高网...

【技术保护点】
1.一种遥感图像超分辨率方法，其特征在于，包括：获取待处理遥感图像；将所述待处理遥感图像输入至预先构建的超分辨图像生成模型中，得到所述待处理遥感图像的超分辨图像；其中，所述超分辨图像生成模型基于SRGAN模型，包括生成器、判别器及网络层；所述生成器和所述判别器的损失函数为基于推土机距离所得；所述生成器为以高分辨率遥感图像为输入图像，训练残差卷积网络所得。

【技术特征摘要】
1.一种遥感图像超分辨率方法，其特征在于，包括：获取待处理遥感图像；将所述待处理遥感图像输入至预先构建的超分辨图像生成模型中，得到所述待处理遥感图像的超分辨图像；其中，所述超分辨图像生成模型基于SRGAN模型，包括生成器、判别器及网络层；所述生成器和所述判别器的损失函数为基于推土机距离所得；所述生成器为以高分辨率遥感图像为输入图像，训练残差卷积网络所得。2.根据权利要求1所述的遥感图像超分辨率方法，其特征在于，所述生成器的损失函数为所述判别器的损失函数为其中，x为所述超分辨图像生成模型的输入图像，fw为判别器网络函数，E为期望值，Pr为输入所述超分辨图像生成模型的样本分布，Pg为所述生成器产生的样本分布。3.根据权利要求2所述的遥感图像超分辨率方法，其特征在于，所述判别器的最后一层不包含sigmoid激活函数，且所述判别器在更新过程中的参数差异值的绝对值在预设范围内。4.根据权利要求2所述的遥感图像超分辨率方法，其特征在于，所述网络层的最后一层的激活函数为带泄露整流函数，且所述网络层不包含批标准化层。5.根据权利要求2所述的遥感图像超分辨率方法，其特征在于，所述超分辨图像生成模型的优化算法为均方根传递算法。6...

【专利技术属性】
技术研发人员：赵艮平，王理，黄国恒，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东,44