一种基于卷积网络的遥感图像薄云去除方法技术

本发明专利技术涉及图像处理技术领域，公开了一种基于卷积网络的遥感图像薄云去除方法，包括：获取薄云遥感图像；将所述薄云遥感图像输入至扩张卷积分支，得到特征图像，将所述特征图像输入至通道叠加分支，得到融合图像，将所述融合图像输入至薄云去除网络，得到无云遥感图像，本发明专利技术充分考虑了较大区域的薄云去除和较小局部区域的细节恢复，从而实现性能较为良好的遥感图像薄云去除。的遥感图像薄云去除。的遥感图像薄云去除。

【技术实现步骤摘要】
一种基于卷积网络的遥感图像薄云去除方法


[0001]本专利技术涉及图像处理
，尤其涉及一种基于卷积网络的遥感图像薄云去除方法。

技术介绍

[0002]光学遥感图像能够对地物目标进行全面细致的观察，然而，受其成像机制的限制，某些观测地区容易受到云层的干扰，包括厚云和薄云。厚云指的是云层较厚，基本已无法观测到其所覆盖的地表信息。而薄云是指云层较薄，能够被太阳光穿透的各类云，因其对光波的散射和吸收作用，使得对地物观察不够清晰。
[0003]目前关于遥感图像薄云去除的研究比较多，但是现在的研究往往集中在网络训练的方式上，例如采用对抗式生成方法或损失函数设计上。大部分基于深度学习的方法主要以常规的卷积为主要构件构成深度神经网络，从而进行薄云去除。这样的以常规卷积构成的网络往往感受野有限，因此得到的薄云去除结果图像性能表现有限。

技术实现思路

[0004]本专利技术的目的在于克服上述一种或多种现有的技术问题，提供一种基于卷积网络的遥感图像薄云去除方法。
[0005]为实现上述目的，本专利技术提供的一种基于卷积网络的遥感图像薄云去除方法，包括：获取薄云遥感图像；将所述薄云遥感图像输入至扩张卷积分支，所述扩张卷积分支共有五个扩张卷积模块，将所述薄云遥感图像依次通过所述扩张卷积模块，得到特征图像；将所述特征图像输入至通道叠加分支，所述通道叠加分支共有四个通道叠加模块，将所述特征图像依次通过所述通道叠加模块，得到融合图像；将所述融合图像输入至薄云去除网络，得到无云遥感图像。
[0006]根据本专利技术的一个方面，所述得到特征图像的方法为：将所述薄云遥感图像通过第一个所述扩张卷积模块，其中公式为，；其中，表示通过第一个扩张卷积模块的输出；表示扩张卷积模块；表示薄云遥感图像；将通过第一个所述扩张卷积模块的输出依次输入至第二至第五个所述扩张卷积模块，其中公式为，；其中，表示通过第个扩张卷积模块的输出；
表示特征图像；表示最大池化层。
[0007]根据本专利技术的一个方面，使用所述扩张卷积模块的方法为，所述扩张卷积模块包括一个常规卷积和五个不同扩张率的扩张卷积，将所述薄云遥感图像输入至常规卷积中，其中公式为，；其中，表示通过常规卷积的输出；表示整流线性单元；表示常规卷积；将通过常规卷积的输出依次输入至五个不同扩张率的扩张卷积，其中公式为，；其中，表示卷积操作及输入输出特征的标识序号；表示通过第个扩张卷积的输出；表示扩张率为的扩张卷积；将通过常规卷积的输出和通过五个不同扩张率的扩张卷积的输出进行叠加得到叠加特征，其中公式为，；其中，表示叠加特征；表示通过第一个扩张卷积的输出；表示通过第二个扩张卷积的输出；表示通过第三个扩张卷积的输出；表示通过第四个扩张卷积的输出；表示通过第五个扩张卷积的输出；表示多个特征之间的通道叠加；将所述叠加特征进行融合精细计算，得到通过第一个扩张卷积模块的输出，其中公式为，；其中，表示常规卷积；表示整流线性单元。
[0008]根据本专利技术的一个方面，所述得到融合图像的方法为：将所述特征图像通过第一个所述通道叠加模块的公式为，；其中，表示通过第一个通道叠加模块的输出；表示上采样操作；标识多个特征之间的通道叠加；
将通过第一个所述通道叠加模块的输出依次输入至第二至第四个所述通道叠加模块，其中公式为，；其中，为特征的标识序号；对通过最后一个所述通道叠加模块的输出进行精细化处理得到所述融合图像，其中公式为，；其中，表示通过第四个通道叠加模块的输出；表示融合图像。
[0009]根据本专利技术的一个方面，采用均方误差损失函数对所述薄云去除网络进行训练，其中公式为，；其中，表示均方误差损失函数；表示薄云去除网络；表示无云标签图像。
[0010]为实现上述目的，本专利技术提供一种基于卷积网络的遥感图像薄云去除系统，包括：薄云遥感图像获取模块：获取薄云遥感图像；特征图像获取模块：将所述薄云遥感图像输入至扩张卷积分支，所述扩张卷积分支共有五个扩张卷积模块，将所述薄云遥感图像依次通过所述扩张卷积模块，得到特征图像；融合图像获取模块：将所述特征图像输入至通道叠加分支，所述通道叠加分支共有四个通道叠加模块，将所述特征图像依次通过所述通道叠加模块，得到融合图像；无云遥感图像获取模块：将所述融合图像输入至薄云去除网络，得到无云遥感图像。
[0011]为实现上述目的，本专利技术提供一种电子设备，包括处理器、存储器及存储在存储器上并可在处理器上运行的计算机程序，计算机程序被处理器执行时实现上述针对一种基于卷积网络的遥感图像薄云去除方法。
[0012]为实现上述目的，本专利技术提供一种计算机可读存储介质，计算机可读存储介质上存储计算机程序，计算机程序被处理器执行时实现上述针对一种基于卷积网络的遥感图像薄云去除方法。
[0013]基于此，本专利技术的有益效果在于：能够采用堆叠扩张卷积搭建遥感图像薄云去除网络，一方面能够在不增加网络参数的前提下有效提高网络的感受野，提升其对提取特征的上下文关联性，另一方面通过堆叠不同扩张率的扩张卷积，能够实现对于不同尺寸的特征提取，从而充分会考虑了较大区域的薄云去除和较小局部区域的细节恢复，从而实现性能较为良好的遥感图像薄云去除。
附图说明
[0014]图1示意性表示根据本专利技术的一种基于卷积网络的遥感图像薄云去除方法的流程图；图2示意性表示根据本专利技术的一种基于卷积网络的遥感图像薄云去除方法的扩张卷积示意图；图3示意性表示根据本专利技术的一种基于卷积网络的遥感图像薄云去除系统的薄云去除网络图；图4示意性表示根据本专利技术的一种基于卷积网络的遥感图像薄云去除系统的流程图。
具体实施方式
[0015]现在将参照示例性实施例来论述本专利技术的内容，应当理解，论述的实施例仅是为了使得本领域普通技术人员能够更好地理解且因此实现本专利技术的内容，而不是暗示对本专利技术的范围的任何限制。
[0016]如本文中所使用的，术语“包括”及其变体要被解读为意味着“包括但不限于”的开放式术语。术语“基于”要被解读为“至少部分地基于”，术语“一个实施例”和“一种实施例”要被解读为“至少一个实施例”。
[0017]图1示意性表示根据本专利技术的一种基于卷积网络的遥感图像薄云去除方法的流程图，如图1所示，本专利技术的一种基于卷积网络的遥感图像薄云去除方法，包括：获取薄云遥感图像；将所述薄云遥感图像输入至扩张卷积分支，所述扩张卷积分支共有五个扩张卷积模块，将所述薄云遥感图像依次通过所述扩张卷积模块，得到特征图像；将所述特征图像输入至通道叠加分支，所述通道叠加分支共有四个通道叠加模块，将所述特征图像依次通过所述通道叠加模块，得到融合图像；将所述融合图像输入至薄云去除网络，得到无云遥感图像。
[0018]根据本专利技术的一个实施方式，所述得到特征图像的方法为：将所述薄云遥感图像通过第一个所述扩张卷积模块，其中公式为，；其中，表示通过第一个扩张卷积模块的输出；表示扩张卷积模块；表示薄云遥感图像；将通过第一个所述扩张卷积模块的输出依次输入至第二至第五个所述扩张卷积模块，其中公式为，；其中，表示通过第个扩本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积网络的遥感图像薄云去除方法，其特征在于，包括：获取薄云遥感图像；将所述薄云遥感图像输入至扩张卷积分支，所述扩张卷积分支共有五个扩张卷积模块，将所述薄云遥感图像依次通过所述扩张卷积模块，得到特征图像；将所述特征图像输入至通道叠加分支，所述通道叠加分支共有四个通道叠加模块，将所述特征图像依次通过所述通道叠加模块，得到融合图像；将所述融合图像输入至薄云去除网络，得到无云遥感图像。2.根据权利要求1所述的一种基于卷积网络的遥感图像薄云去除方法，其特征在于，所述得到特征图像的方法为：将所述薄云遥感图像通过第一个所述扩张卷积模块，其中公式为，；其中，表示通过第一个扩张卷积模块的输出；表示扩张卷积模块；表示薄云遥感图像；将通过第一个所述扩张卷积模块的输出依次输入至第二至第五个所述扩张卷积模块，其中公式为，；其中，表示通过第个扩张卷积模块的输出；表示特征图像；表示最大池化层。3.根据权利要求2所述的一种基于卷积网络的遥感图像薄云去除方法，其特征在于，使用所述扩张卷积模块的方法为，所述扩张卷积模块包括一个常规卷积和五个不同扩张率的扩张卷积，将所述薄云遥感图像输入至常规卷积中，其中公式为，；其中，表示通过常规卷积的输出；表示整流线性单元；表示常规卷积；将通过常规卷积的输出依次输入至五个不同扩张率的扩张卷积，其中公式为，；其中，表示卷积操作及输入输出特征的标识序号；表示通过第个扩张卷积的输出；表示扩张率为的扩张卷积；将通过常规卷积的输出和通过五个不同扩张率的扩张卷积的输出进行叠加得到叠加特征，其中公式为，；
其中，表示叠加特征；表示通过第一个扩张卷积的输出；表示通过第二个扩张卷积的输出；表示通过第三个扩张卷积的输出；表示通过第四个扩张卷积的输出；表示通过第五个扩张卷积的输出；表示多个特征之间的通道叠加；将所述叠加特征进行融合精细计算，得到通过第一个扩张卷积模块的输出，其中公式为，；其...

【专利技术属性】
技术研发人员：李冠群，俞伟学，
申请(专利权)人：耕宇牧星北京空间科技有限公司，
类型：发明
国别省市：