遥感图像风格迁徙模型的创建方法和装置制造方法及图纸

本申请实施例公开了一种遥感图像风格迁徙模型的创建方法和装置，该方法包括：采用迭代方式执行以下步骤，直至获得的总体特征损失达到预设阈值：将原始图像输入初始学习算法模型获取生成图像；将原始图像、生成图像和风格图像输入预训练模型获取总体特征损失；根据总体特征损失调整初始学习算法模型的参数、预训练模型中多个不同特征信息的权重以及内容特征信息的权重和风格特征信息的权重之间的混合比例；将根据符合预设阈值的总体特征损失调整后的初始学习算法模型作为遥感图像风格迁徙模型。通过该实施例方案，避免了强风格图像的风格不平衡，维持了原始图像的纹理特征和颜色特征，并兼具了明显的真实风格效果。并兼具了明显的真实风格效果。并兼具了明显的真实风格效果。

【技术实现步骤摘要】
遥感图像风格迁徙模型的创建方法和装置


[0001]本申请实施例涉及深度学习的遥感图像处理技术，尤指一种遥感图像风格迁徙模型的创建方法和装置。

技术介绍

[0002]当前基于深度学习的艺术风格迁徙算法：采用艺术风格的生成模型和基于优化的模型得到的内容图像风格化输出存在较大局部变化，线条扭曲和纹理的畸变，同时不能反映图像的真实色彩，使得当前基于深度学习的艺术风格迁徙算法不适用于遥感真实图像的风格迁移，几乎不能在遥感图像的风格迁移上应用，同时基于优化的风格迁移模型需要迭代优化时间较长，且风格化后的生成图像存在较大色块和伪影。
[0003]主流算法采用生成模式的算法模型，并通过训练内容图像和风格图像获得风格迁移模型，采用现有的风格迁移模型，如果要保留线条和纹理的真实性，常用的技术为增加“图像实例分割步骤”。图像实例分割步骤不仅会增加时间成本，还难以保证分割的准确性，进而影响了风格迁移的最终效果。采用预训练模型作为特征损失控制模型的训练，虽然获得推理速度的提升，但是最终生成的图像由于风格图像的全局性风格特征的影响，很难在遥感图像上带来令人满意的结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种遥感图像风格迁徙模型的创建方法，其特征在于，所述方法包括：采用迭代方式执行以下步骤，直至获得的总体特征损失达到预设阈值： 将作为训练数据的原始图像输入预先建立的初始学习算法模型，获取生成图像；将所述原始图像、所述生成图像和预设的风格图像输入预先建立的预训练模型，获取总体特征损失；根据所述总体特征损失调整所述初始学习算法模型的参数、调整所述预训练模型中多个不同特征信息的权重以及调整内容特征信息的权重和风格特征信息的权重之间的混合比例；所述多个不同特征信息包括：所述内容特征信息和所述风格特征信息；将根据符合所述预设阈值的总体特征损失调整后的初始学习算法模型作为遥感图像风格迁徙模型。2.根据权利要求1所述的遥感图像风格迁徙模型的创建方法，其特征在于，所述将作为训练数据的原始图像输入预先建立的初始学习算法模型，获取生成图像，包括：通过所述初始学习算法模型中不同卷积层的组合对所述原始图像进行上采样、下采样和特征提取，并采用预设的拼接通道拼接由不同卷积层提取的特征信息，获取所述生成图像。3.根据权利要求2所述的遥感图像风格迁徙模型的创建方法，其特征在于，所述采用预设的拼接通道拼接由不同卷积层提取的特征信息，包括：采用所述拼接通道自底向上拼接由不同卷积层提取的特征信息；其中，所述拼接通道是将卷积层和上采样层进行堆叠后与下采样层进行堆叠获得的。4.根据权利要求1所述的遥感图像风格迁徙模型的创建方法，其特征在于，所述将所述原始图像、所述生成图像和预设的风格图像输入预先建立的预训练模型，获取总体特征损失，包括：对所述原始图像、所述生成图像和所述风格图像的不同卷积层的图像信息进行特征提取，获取特征信息；将...

【专利技术属性】
技术研发人员：贺子懿，赵宏杰，陆川，徐涛，
申请(专利权)人：成都国星宇航科技有限公司，
类型：发明
国别省市：