【技术实现步骤摘要】
基于深度卷积神经网络的火星图像超分辨方法
[0001]本专利技术涉及基于深度卷积神经网络的火星图像超分辨方法，属于计算机视觉中的图像超分辨
技术介绍
[0002]火星是太阳系中紧邻地球的一颗类地行星，也是太阳系中与地球最相似的类地行星。火星上由于水的发现被认为是最可能孕育生命的星球之一，这使得火星成为开展空间探测的主要目标之一。
[0003]目前在地球卫星和载人航天工程中，航天领域已取得举世瞩目的成就，发展深空探测将是后续重点，对科技进步和社会发展具有重大意义。由于火星环境复杂多变，并时常伴有沙尘等天气，目前对火星探测的关键技术在于获取高分辨率的火星图像，利用高分辨率图像对火星表面物体/地形进行检测，有助于火星车平稳、安全地降落在火星表面，从而可开展后续相关科研任务。
[0004]对火星地形的探测是进行火星科学研究的基础，第一批进行火星探测的首要任务是获取火星地形数据，而这些数据的主要来源就是高分辨率的火星图像。高分辨率火星图像对于研究火星的地貌特征和分析火星气候具有重要意义，包括识别岩石类型、成分...
【技术保护点】
【技术特征摘要】
1.一种基于深度卷积神经网络的火星图像超分辨方法，其特征在于包括，模糊核估计：对HR火星图像进行目标区域的裁剪得到目标区域块，对目标区域块赋标签为真；同时采用深度线性卷积神经网络对HR火星图像进行降采样得到降采样后火星图像，对降采样后火星图像进行目标区域的裁剪得到降采样区域块，对降采样区域块赋标签为假；采用判别网络对目标区域块和降采样区域块进行判别，获得D
‑
map热图，由D
‑
map热图进行模糊核估计，获得的降采样核作为模糊核输入至模糊核库中；获取噪声块：采用噪声提取算法由含有相同噪声类型的真实高分辨率火星图像中提取平滑噪声块，再采用卷积神经网络学习平滑噪声块的分布，获得具有相似噪声分布的噪声样板块，存入噪声库中；超分辨率图像的生成：对随机从模糊核库中选择的模糊核与随机从噪声库中选择的噪声样板块进行处理，获得LR火星图像；将LR火星图像与对应的HR火星图像配对获得图像对，采用图像对训练基于区域块判别的上采样网络，获得训练后上采样网络，LR火星图像超再经训练后上采样网络进行超分辨，获得最终的超分辨率火星图像。2.根据权利要求1所述的基于深度卷积神经网络的火星图像超分辨方法，其特征在于，获得LR火星图像的方法包括：对随机选择的模糊核进行评估得到初级低分辨率火星图像，再将随机选择的噪声样板块注入所述初级低分辨率火星图像中，获得LR火星图像。3.根据权利要求2所述的基于深度卷积神经网络的火星图像超分辨方法，其特征在于，所述基于区域块判别的上采样网络获得最终的超分辨率火星图像的过程包括：采用全卷积判别网络的生成器由LR火星图像获得初级超分辨率火星图像；将初级超分辨率火星图像和选定模糊核对应的HR火星图像分别经全卷积判别网络的判别器映射成N
×
N矩阵，N为正整数；使N
×
N矩阵的每个元素代表相应火星图像中一个区域块来自真实图像的可能性，并获得矩阵真假标签；将获得的矩阵真假标签与对应输入火星图像相应区域块的真假标签进行比较计算损失函数，直到损失函数满足预测阈值，完成全卷积判别网络的训练获得训练后上采样网络；采用训练后上采样网络对LR火星图像进行超分辨，获得最终的超分辨率火星图像。4.根据权利要求3所述的基于深度卷积神经网络的火星图像超分辨方法，其特征在于，所述损失函数由像素损失、感知损失和对抗损失三部分计算获得；其中像素损失为距离特征，感知损失为VGG
‑
19网络的激活特征，对抗损失为纹理细节特征。5.根据权利要求4所述的基于深度卷积神经网络的火星图像超分辨方法，其特征在于，损失函数的计算方法包括：L
total
＝λ1·
L1+λ
per
·
L
per
+λ
adv
·
...
【专利技术属性】
技术研发人员：张永强，丁明理，张印，田瑞，张子安，王骢，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：
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。