一种基于约束重构的无监督遥感图像超分辨率重建方法技术

本发明专利技术公开了一种基于约束重构的无监督遥感图像超分辨率重建方法，包括生成对抗网络模型的训练过程，生成对抗网络模型包括生成器模块、判别器模块和图像退化模块；训练过程如下：步骤1：将待训练的低分辨率图像作为输入；经过生成器模块生成高分辨率的重建图像；步骤2：高分辨率的重建图像经过图像退化模块生成退化的低分辨率图像；步骤3：将低分辨率图像和退化的低分辨率图像作为输入经过判别器模块进行判别；训练完成后，将低分辨率遥感图像作为输入，经过生成器模块生成对应的高分辨率遥感图像。本发明专利技术打破原有用于遥感图像超分辨率重建的生成对抗网络约束关系，并对约束函数进行改进，仅使用低分辨率图像即可实现超分辨率重建。重建。重建。

【技术实现步骤摘要】
一种基于约束重构的无监督遥感图像超分辨率重建方法


[0001]本专利技术涉及数字图像处理
，更具体的说是涉及一种基于约束重构的无监督遥感图像超分辨率重建方法。

技术介绍

[0002]目前，超分辨率重建是一项将低分辨图像重建为具有丰富纹理细节的高分辨图像的图像处理技术，单帧图像超分辨率重建是指输入的图像数据为单帧图像，将其重建为单帧高分辨率图像。对于遥感图像超分辨率重建，研究人员一般使用与真实低分辨率图像所配对的高分辨率图像进行约束，从而找到可信的解决方案。自生成对抗网络后，神经网络参数化的生成模型也得到迅猛发展。
[0003]但是，在实际遥感图像背景下，大多数生成对抗网络模型所需的要么是配对的图像数据、要么是原始低分辨率图像和具有一定监督信息的辅助高分辨率图像进行训练，用于遥感图像超分辨率重建的数据获取是十分困难的。
[0004]因此，提供一种基于约束重构的无监督遥感图像超分辨率重建方法是本领域技术人员亟需解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种基于约束重构的无监督遥感图像超分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于约束重构的无监督遥感图像超分辨率重建方法，其特征在于，包括生成对抗网络模型的训练过程：所述生成对抗网络模型包括生成器模块、判别器模块和图像退化模块；训练过程如下：步骤1：将待训练的低分辨率图像作为输入，经过所述生成器模块生成高分辨率的重建图像；步骤2：所述高分辨率的重建图像经过所述图像退化模块生成退化的低分辨率图像；步骤3：将所述低分辨率图像和所述退化的低分辨率图像作为输入经过所述判别器模块进行判别；判别过程根据所述低分辨率图像和所述退化的低分辨率图像的映射关系，对所述判别器模块进行判别真假的无监督训练；并输出判别结果；训练完成后，将未重建的低分辨率遥感图像作为输入，经过所述生成器模块生成对应的高分辨率遥感图像。2.根据权利要求1所述的一种基于约束重构的无监督遥感图像超分辨率重建方法，其特征在于，所述生成器模块的结构包括基础模块、SAF模块、上采样模块、卷积层模块；待训练的低分辨率图像经过卷积层模块生成输出结果一；所述输出结果一经过若干个所述基础模块和卷积层模块生成输出结果二；所述输出结果一和所述输出结果二相加后经过SAF模块、上采样模块以及两个卷积层模块生成高分辨率的重建图像。3.根据权利要求1所述的一种基于约束重构的无监督遥感图像超分辨率重建方法，其特征在于，所述判别器模块的结构包括全卷积网络层，用于提取所述低分辨率图像和所述退化的低分辨率图像特征。4.根据权利要求1所述的一种基于约束重构的无监督遥感图像超分辨率重建方法，其特征在于，生成对抗网络损失包括网络整体损失函数和判别器损失函数；所述网络整体损失函数对所述生成器模块进行约束；所述判别器模块损失函数对所述判别器模块进行约束。5.根据权利要求4所述的一种基于约束重构的无监督遥感图像超分辨率重建方法，其特征在于，所述网络整体损失函数为：L
G_total
＝λ1·
L
cb
+λ
per
·
L
per
+λ
adv
·
L
G_adv
其中，L
G_total
为网络整体损失函数，L
cb
像素损失，L
per

【专利技术属性】
技术研发人员：张浩鹏，梅寒，姜志国，谢凤英，赵丹培，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：