一种基于循环生成对抗网络的卫星图阴影去除方法技术

本发明专利技术公开一种基于循环生成对抗网络的卫星图阴影去除方法，生成器分别实现图像的阴影去除和阴影生成工作，判别器分别判断生成图像是否属于有/无阴影图域，生成器和判别器共同促进阴影去除任务的实现。该发明专利技术首先分析自然场景的有/无阴影图像中的阴影亮度特征和纹理特点，以降低分辨率的高分辨率卫星图为无阴影卫星图像，并在此基础上构建含有模拟阴影的有阴影卫星图像。然后，通过循环生成对抗网络对配对的有/无阴影卫星图像的学习，从而泛化地解决真实卫星图像中阴影去除的问题。本发明专利技术主要针对卫星图像中没有配对的有/无阴影图像进行了数据集的模拟制作，提出了循环生成对抗网络以阴影生成任务辅助阴影去除，实现在有/无阴影卫星图域之间的图像迁移，并以视觉自注意力模型的非传统编码器模块辅助生成器进行更好的特征迁移。相比于传统模块，它对调了多头自注意力机制和层归一化，对调了多层感知机和层归一化，可以使得网络拥有更强的建模能力。力。力。

【技术实现步骤摘要】
一种基于循环生成对抗网络的卫星图阴影去除方法


[0001]本专利技术涉及计算机视觉
，具体涉及一种基于深度学习的卫星图像阴影去除方法。

技术介绍

[0002]近些年，随着航天遥感卫星技术的蓬勃发展，高分辨率卫星提供了高质量的米级、亚米级遥感影像，以满足人们在城市路网提取、导航地图生成、地表植被监测等多领域的研究和应用。然而，卫星遥感影像特别是城市卫星图中，总会出现地面物体由于自身高度对来太阳光照产生遮挡，从而形成局部阴影区域。这种阴影减少了图像局部光照，严重影响图像的视觉观感及物体识别，因此如何从卫星图中去除阴影是提高卫星图像利用率亟需解决的关键问题。
[0003]现有自然场景去阴影研究，先对整幅图像进行阴影区域检测，再利用有/无阴影数据进行去阴影建模，最后对有阴影区域进行光照恢复。以物理模型的阴影检测和去除方法需要传感器或相机参数、太阳高度角等先验知识；以阴影特征为基础的检测方法主要通过比较阴影区域和非阴影区域的信息差异获取阴影位置信息并还原光照强度，但此类方法过度依赖于单张图像的阴影区域分割效果。由于含有建筑的卫星图像大多都会本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于循环生成对抗网络的卫星图阴影去除方法，其特征在于，包括：(1)一个以阴影去除和阴影生成两个视角实现卫星图阴影去除任务的循环生成对抗网络，利用生成器G_A2B实现有阴影图向无阴影图域的迁移，以达到阴影去除的目的，利用生成器G_B2A实现无阴影图向有阴影图域的迁移，以达到阴影生成的目的；(2)作为特征(1)的组成部分，本发明制作了一组配对的有/无阴影卫星图像域数据集，以降低分辨率的高分辨率卫星图作为无阴影卫星图，提供一个无阴影卫星图像域，对于每个无阴影图，基于配对的自然场景阴影数据集的阴影特征与阴影纹理信息进行随机阴影制作有阴影卫星图，提供一个有阴影卫星图像域；(3)作为特征(1)的组成部分，一个基于视觉自注意力模型的非传统编码器模块的生成器，能从一个图像域中提取图像特征，拟合另一个图像域的图像分布，在发明图例1中的生成器G_A2B实现阴影去除任务，发明图例1中的生成器G_B2A实现阴影生成任务；(4)作为特征(1)的组成部分，一个基于域分类器的判别器，判别器D_A判别输入图像是否属于有阴影卫星图图像域，判别器D_B判别输入图像是否属于无阴影卫星图图像域；(5)作为特征(1)的组成部分，通过多种损失函数之和实现两个生成器之间的协同训练，包括基于生成器和鉴别器的生成对抗损失Loss
GAN
、基于通过两个生成器的生成图像与原图像产生的循环一致性损失Loss
cycle
、基于通过本图像域生成器的生成图像与原图像产生的自身损失Loss
identity
、基于有阴影图像和无阴影图像的边界平滑损失Loss
smooth
和基于阴...

【专利技术属性】
技术研发人员：任柯燕，黄靖懿，岳天一，史禹，赵虎，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：