【技术实现步骤摘要】
基于卷积神经网络的光学遥感图像的色彩重建方法
本专利技术属于图像处理
，特别涉及一种图像的色彩重建方法，可用于遥感地物分类及遥感目标检测，定位和跟踪。
技术介绍
遥感数据是直接从遥感器得到的数字数据的罗列，为了使其内容直观易懂，彩色显示是非常重要的技术。相对于灰度遥感图像，彩色图像可以提高人眼在细节上的辨识度，是一种非常重要的图像增强技术。彩色图像包含三个维度的信息，相比于单通道的灰度图像可以获得更加丰富的信息，因此在遥感数据的应用中，遥感地物分类以及遥感目标检测，定位，跟踪等工作对彩色图像的依赖很高。目前的色彩重建方法有伪彩色处理方法，是将图像的灰度值通过红、绿、蓝映射函数生成RGB色彩空间的三个分量，从而合成彩色图像。只要保证映射函数是连续的，则调色板彩色编码就是连续的。伪彩色处理虽然能够将灰度转化为彩色，但这种彩色并不是真正表现图像的原始颜色，而仅仅是一种便于识别的伪彩色，并且该方法适用于256级以下的灰度图像，对于高于256级灰度的高分辨率图像来说，只能先将灰度级压缩为256级灰度，然后再进行伪彩色处理...
【技术保护点】
1.一种基于卷积神经网络的光学遥感图像色彩重建方法，其特征在于，包括如下：/n(1)从网站上分别获取公开的遥感图像分类数据集Y和彩色遥感图像X1，并对彩色遥感图像做灰度处理得到灰度遥感图像X2；再对彩色遥感图像依次做模糊、加噪、颜色偏移和通道顺序打乱操作，获取颜色不正常的彩色遥感图像X3；/n(2)使用VGG-19网络在遥感图像分类数据集上针对不同类别提取特征；/n(2.1)将遥感图像分类数据集Y中的80％作为训练集A，其余20％作为测试集B；/n(2.2)从网络上下载在ImageNet数据集上训练好的VGG-19网络模型的权重参数，将其设置为VGG-19网络的初始化参数，...
【技术特征摘要】
1.一种基于卷积神经网络的光学遥感图像色彩重建方法，其特征在于，包括如下：
(1)从网站上分别获取公开的遥感图像分类数据集Y和彩色遥感图像X1，并对彩色遥感图像做灰度处理得到灰度遥感图像X2；再对彩色遥感图像依次做模糊、加噪、颜色偏移和通道顺序打乱操作，获取颜色不正常的彩色遥感图像X3；
(2)使用VGG-19网络在遥感图像分类数据集上针对不同类别提取特征；
(2.1)将遥感图像分类数据集Y中的80％作为训练集A，其余20％作为测试集B；
(2.2)从网络上下载在ImageNet数据集上训练好的VGG-19网络模型的权重参数，将其设置为VGG-19网络的初始化参数，并设初始学习率为0.0001，使用Adam算法，在训练集A上继续训练VGG-19网络，直到该网络的分类精度不再提高为止，得到在训练集A上训练好的VGG-19网络模型的权重参数；
(2.3)将在训练集A上训练好的VGG-19网络的conv4-4层以前的结构作为特征提取网络，用来提取不同类别的特征；
(3)对由生成网络和判别网络组成的生成对抗网络进行训练：
(3.1)将(2.2)得到的训练好的特征提取网络模型的权重参数加载到(2.3)得到的特征提取网络上；
(3.2)训练生成网络得到保留遥感图像细节的生成网络；
设初始学习率为0.001，学习率每5轮衰减0.1，生成网络的特征损失函数为f_loss＝l1_loss(VGG(x),VGG(G(y)))，使用Adam算法，用灰度遥感图像X2和彩色遥感图像X1迭代训练生成网络20轮，得到训练好的生成网络模型的权重参数，其中，G(.)表示生成网络的输出，VGG(.)表示(2.3)得到的特征提取网络的输出，l1_loss(.)表示绝对误差；
(3.3)将(3.2)得到的训练好的生成网络模型的权重参数加载到生成网络上；
(3.4)训练生成对抗网络得到色彩重建的生成网络；
设生成网络的初始学习率为0.001，判别网络的初始学习率为0.005，学习率均为每10轮衰减0.1，利用彩色遥感图像X1、灰度遥感图像X2和颜色不正常的彩色遥感图像X3，通过对抗训练算法迭代训练生成对抗网络100轮后停止，得到最终的生成网络模型；
(4)将灰度遥感图像X2输入到(3.4)得到的生成网络，得到色彩重建后的彩色遥感图像。
2.根据权利要求1所述的方法，其中(1)中遥感图像分类数据集Y，其包含35种类别，分别是：...
【专利技术属性】
技术研发人员：侯彪，柳阳飞，焦李成，马文萍，马晶晶，杨淑媛，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。