【技术实现步骤摘要】
一种基于深度可分离CNN模型的遥感图像融合方法
本专利技术属于遥感图像处理
,具体涉及一种基于深度可分离CNN模型的遥感图像融合方法。
技术介绍
遥感数据在各行业需求巨大。但由于多种原因,如场景的复杂性、输入数据集的时间和光谱变换、不同的空间数据标准、特定的数据以及特定的空间对象分类和分类体系等,遥感数据在精度和形式上存在很多差异。如今,在地球以外的各种观测平台上,已经有许多具有不同功能的遥感卫星。这些卫星可以提供不同的空间、时间和光谱图像,即遥感图像。由于卫星传感器的局限性,遥感卫星不能同时获得高光谱图像和高空间分辨率图像,只能分别获得高光谱的多光谱图像和高空间分辨率的全色图像。但是在实际应用中,既需要高光谱分辨率的图像,又需要高空间分辨率的图像,这使得图像融合具有重要的应用价值。地理信息数据具有不同分辨率、不同精度、不同覆盖范围等多尺度特征,数字电网中的地理信息数据主要包括遥感影像数据、航飞数据、数字高程模型等数据,在实际应用中往往需要同时具备高光谱分辨率和高空间分辨率两种信息的图像。目前传统的融合算法还存在着融合精度不高,速度较慢的问题,导致融合效果不是很理想。所以,需要一个新的技术方案来解决这个问题。
技术实现思路
专利技术目的:为了克服现有技术中存在的不足,提供一种基于深度可分离CNN模型的遥感图像融合方法,以解决目前传统的融合算法还存在着多光谱和全色图像融合精度不高,速度较慢的问题。技术方案:为实现上述目的,本专利技术提供一种基于深度可分离CNN模型的遥感 ...
【技术保护点】
1.一种基于深度可分离CNN模型的遥感图像融合方法,其特征在于,包括如下步骤:/nS1:通过预处理后的原始彩色图像,构建融合模型训练集图像;/nS2:根据融合模型训练集图像,训练深度可分离CNN模型;/nS3:获取全色图像和多光谱图像,通过预处理将全色图像转换成PrePan图像,将多光谱图像上采样至PrePan图像大小;/nS4:将PrePan图像和上采样至PrePan图像大小的多光谱图像送入训练好的深度可分离CNN模型;/nS5:通过深度可分离CNN模型获取到全色图像和多光谱图像的融合图像。/n
【技术特征摘要】
1.一种基于深度可分离CNN模型的遥感图像融合方法,其特征在于,包括如下步骤:
S1:通过预处理后的原始彩色图像,构建融合模型训练集图像;
S2:根据融合模型训练集图像,训练深度可分离CNN模型;
S3:获取全色图像和多光谱图像,通过预处理将全色图像转换成PrePan图像,将多光谱图像上采样至PrePan图像大小;
S4:将PrePan图像和上采样至PrePan图像大小的多光谱图像送入训练好的深度可分离CNN模型;
S5:通过深度可分离CNN模型获取到全色图像和多光谱图像的融合图像。
2.根据权利要求1所述的一种基于深度可分离CNN模型的遥感图像融合方法,其特征在于,所述步骤S1中融合模型训练集图像的构建方法为:
A1:对获得的原始彩色图像进行下采样和上采样,得到并保存训练集多光谱图像;
A2:对获得的原始彩色图像进行处理,得到并保存原始彩色图像在HLS空间的L分量作为训练集PrePan图像。
3.根据权利要求2所述的一种基于深度可分离CNN模型的遥感图像融合方法,其特征在于,所述步骤A1具体为:
B1:根据以下公式,对原始彩色图像进行下采样,得到原始彩色图像的下采样图像:
f(i+u,j+v)=ABC
其中,f(i+u,j+v)为数据集中获得原始彩色图像中第(i+u)行和第(j+v)列的代求像素点像素值;点(i,j)是第i行和第j列的像素点;S(x)为插值核;
B2:根据以下公式,对步骤B1中计算所得的原始彩色图像下采样后的图像进行上采样,获得训练集多光谱图像:
f(i+u,j+v)=(1-u)×(1-v)×f(i,j)+(1-u)×v×f(i,j+1)+u×(1-v)×f(i+1,j)+u×v×f(i+1,j+1)
其中,f(i+u,j+v)为数据集中获得原始彩色图像中第(i+u)行和第(j+v)列的代求像素点像素值;点(i,j)是第i行和第j列的像素点。
4.根据权利要求2所述的一种基于深度可分离CNN模型的遥感图像融合方法,其特征在于,所述步骤A2具体为:
根据以下公式,计算原始彩色图像在HLS空间的L分量作为训练集PrePan图像:
其中,max(R,G,B)为原始彩色图像在红(R)、绿(G)、蓝(B)三个颜色通道中的最大值,min(R,G,B)为原始彩色图像在红(R)、绿(G)、蓝(B)三个颜色通道中的最小值。
5.根据权利要求2所述的一种基于深度可分离CNN模型的遥感图像融合方法,其特征在于,所述步骤S2中深度可分离CNN模型的训练方法为:
C1:搭建深度可分离CNN模型;
C2:将步骤A1获得的多光谱图像和步骤A2获得的PrePan图像送入步骤C1搭建的深度可分离CNN模型,并进行模型训练。
6.根据权利要求5所述的一种基于深度可分离CNN模型的遥感图像融合方法,其特征在于,所述步骤C1中深度可分离CNN模型的搭建方法为:
假设F(i,j)为融合图像在第i行和第j列的像素点的像素,其对应的第i行和第j列全色图像和多光谱图像的像素分别为P(i,j)和M(i,j),为了计算F(i,j),考虑P(i,j)和M(i,j)的临近像素,计算待融合像素NP(i,j)和NM(i,j),再通过N...
【专利技术属性】
技术研发人员:袁兆祥,齐立忠,韩文军,孙小虎,苏晓云,谢非,王琦,赵斌,吴冰,陈红,
申请(专利权)人:国网经济技术研究院有限公司,南京师范大学,国网浙江省电力有限公司经济技术研究院,国网江苏省电力有限公司经济技术研究院,
类型:发明
国别省市:北京;11
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。