适用于全局遥感影像去云方法、装置及计算机设备制造方法及图纸

本发明专利技术实施例公开了一种适用于全局遥感影像去云方法、装置及计算机设备，方法包括：基于局部区域遥感影像训练生成局部去云模型；获取待去云区域遥感影像数据，对所述待去云区域遥感影像数据进行处理生成第一影像数据；基于均质性面积参数，对所述待去云区域进行均等划分，得到子区域集；根据模型结构，基于所述第一影像数据为各子区域生成训练数据集；基于各子区域的训练数据集对所述局部去云模型进行微调，生成适应各子区域的去云模型。通过实施本发明专利技术实施例的方法可对全局遥感影像去云，使其适应不同区域的环境，提高全局遥感影像去云的准确性。准确性。准确性。

【技术实现步骤摘要】
适用于全局遥感影像去云方法、装置及计算机设备


[0001]本专利技术涉及图像处理
，尤其涉及一种适用于全局遥感影像去云方法、装置及计算机设备。

技术介绍

[0002]随着遥感技术的发展，高分辨率的遥感影像应用越来越广。遥感影像极易受到气候环境的影响，其中，云层遮挡就是常见的影响之一。对遥感影像去云是对遥感影像准确解译的基础，遥感影像去云的效果直接影响遥感影像的可用性。因此，对遥感影像去云具有十分重要的意义。
[0003]目前针对遥感影像去云问题已出现了大量的技术方法，其中深度学习模型表现优异，如结合多源数据利用生成对抗网络(Generative AdversarialNetworks,GAN)方法对含云区域进行影像生成、利用残差网络ResNet对含云区域恢复等等，相关方法主要着重于在固定数据集上不断优化网络结构，以期达到精度提升的目的。
[0004]然而，现有的深度学习模型去云通常采用空间单一的训练数据集，此外，加之遥感仪器成像误差、地表复杂性等因此，导致现有方法开发的深度学习模型往往仅能适用于局部去云，在不同区域或者地物类型有显著差异的地区无法有效发挥作用。
[0005]因此，有必要设计一种新的方法，以适用于全局的遥感影像去云，是本领域亟待解决的问题。

技术实现思路

[0006]本专利技术的目的在于克服现有技术的缺陷，提供适用于全局遥感影像去云方法、装置及计算机设备。
[0007]为实现上述目的，本专利技术采用以下技术方案：适用于全局遥感影像去云方法，包括：r/>[0008]基于局部区域遥感影像训练生成局部去云模型；
[0009]获取待去云区域遥感影像数据，对所述待去云区域遥感影像数据进行处理生成第一影像数据；
[0010]基于均质性面积参数，对所述待去云区域进行均等划分，得到子区域集；
[0011]根据模型结构，基于所述第一影像数据为各子区域生成训练数据集；
[0012]基于各子区域的训练数据集对所述局部去云模型进行微调，生成适应各子区域的去云模型。
[0013]进一步地，所述获取待去云区域遥感影像数据，对所述待去云区域遥感影像数据进行处理生成第一影像数据，包括：
[0014]获取待去云区域遥感影像数据，识别所述待去云区域遥感影像数据中的含云遥感影像；
[0015]对所述含云遥感影像中的含云区域进行掩膜，得到第二影像数据；
[0016]基于所述第二影像数据生成第一无云遥感影像；
[0017]将所述待去云区域遥感影像数据与所述第一无云遥感影像组成第一影像数据。
[0018]进一步地，所述均质性面积参数对应该面积下区域环境相对一致且遥感影像无显著色调或辐射能量测量差异。
[0019]进一步地，通过卷积神经网络基于所述第二影像数据生成第一无云遥感影像。
[0020]本专利技术还提供一种适用于全局遥感影像去云装置，包括：
[0021]局部模型训练单元，用于基于局部区域遥感影像训练生成局部去云模型；
[0022]预处理单元，用于获取待去云区域遥感影像数据，对所述待去云区域遥感影像数据进行处理生成第一影像数据；
[0023]基于均质性面积参数，对所述待去云区域进行均等划分，得到子区域集；
[0024]根据模型结构，基于所述第一影像数据为各子区域生成训练数据集；
[0025]基于各子区域的训练数据集对所述局部去云模型进行微调，生成适应各子区域的去云模型。
[0026]进一步地，所述预处理单元包括：
[0027]识别单元，用于获取待去云区域遥感影像数据，识别所述待去云区域遥感影像数据中的含云遥感影像；
[0028]掩膜单元，用于对所述含云遥感影像中的含云区域进行掩膜，得到第二影像数据；
[0029]生成单元，用于基于所述第二影像数据生成第一无云遥感影像；
[0030]整合单元，用于将所述待去云区域遥感影像数据与所述第一无云遥感影像组成第一影像数据。
[0031]进一步地，所述均质性面积参数对应该面积下区域环境相对一致且遥感影像无显著色调或辐射能量测量差异。
[0032]进一步地，通过卷积神经网络基于所述第二影像数据生成第一无云遥感影像。
[0033]本专利技术还提供一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述适用于全局遥感影像去云方法。
[0034]本专利技术还提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述适用于全局遥感影像去云方法。
[0035]本专利技术与现有技术相比的有益效果是：本专利技术通过均质性面积参数对待去云区域进行均等划分，进而为各子区域生成训练数据集，生成适应各子区域的去云模型，以实现对全局遥感影像去云，使其适应不同区域的环境，提高全局遥感影像去云的准确性。同时，本专利技术首先基于局部区域遥感影像训练生成局部去云模型，各子区域的去云模型生成时只需要进行参数的微调，提升各子区域的去云模型生成的效率。
附图说明
[0036]为了更清楚地说明本专利技术实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037]图1为本专利技术实施例提供的适用于全局遥感影像去云方法的流程示意图；
[0038]图2为本专利技术实施例提供的适用于全局遥感影像去云方法的子流程示意图；
[0039]图3为本专利技术实施例提供的适用于全局遥感影像去云装置的示意性框图；
[0040]图4为本专利技术实施例提供的适用于全局遥感影像去云装置的处理单元的示意性框图；
[0041]图5为本专利技术实施例提供的计算机设备的示意性框图。
具体实施方式
[0042]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0043]应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0044]还应当理解，在此本专利技术说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本专利技术。如在本专利技术说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0045]还应当进一步理解，在本专利技术说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.适用于全局遥感影像去云方法，其特征在于，包括：基于局部区域遥感影像训练生成局部去云模型；获取待去云区域遥感影像数据，对所述待去云区域遥感影像数据进行处理生成第一影像数据；基于均质性面积参数，对所述待去云区域进行均等划分，得到子区域集；根据模型结构，基于所述第一影像数据为各子区域生成训练数据集；基于各子区域的训练数据集对所述局部去云模型进行微调，生成适应各子区域的去云模型。2.根据权利要求1所述的全局遥感影像去云方法，其特征在于，所述获取待去云区域遥感影像数据，对所述待去云区域遥感影像数据进行处理生成第一影像数据，包括：获取待去云区域遥感影像数据，识别所述待去云区域遥感影像数据中的含云遥感影像；对所述含云遥感影像中的含云区域进行掩膜，得到第二影像数据；基于所述第二影像数据生成第一无云遥感影像；将所述待去云区域遥感影像数据与所述第一无云遥感影像组成第一影像数据。3.根据权利要求1所述的全局遥感影像去云方法，其特征在于，所述均质性面积参数对应该面积下区域环境相对一致且遥感影像无显著色调或辐射能量测量差异。4.根据权利要求2所述的全局遥感影像去云方法，其特征在于，通过卷积神经网络基于所述第二影像数据生成第一无云遥感影像。5.适用于全局遥感影像去云装置，其特征在于，包括：局部模型训练单元，用于基于局部区域遥感影像训练生成局部去云模型；预处理单元，用于获取待去云区域遥感影像数据，对所述待去云区...

【专利技术属性】
技术研发人员：陶益康，黄建华，宋杰，胡辉，
申请(专利权)人：杭州鲁尔物联科技有限公司，
类型：发明
国别省市：