一种遥感卫星图像分级管理的方法及装置制造方法及图纸

本发明专利技术公开了一种遥感卫星图像分级管理的方法及装置，所述方法包括：构建沙漏全卷积神经网络模型；沙漏全卷积神经网络模型包括编码器及解码器；获取待管理的遥感卫星图像，提取所述待管理的遥感卫星图像的图像特征，确定所述待管理的遥感卫星图像的管理等级；将所述管理等级及所述待管理的遥感卫星图像输入训练完毕的沙漏全卷积神经网络模型，得到增强后的遥感卫星图像；将增强后的遥感卫星图像依据所述管理等级存储于分级数据库，进行分级管理。本发明专利技术的方法，将待管理的遥感卫星图像的管理等级与增强后的遥感卫星图像的管理连动起来，实现不同管理等级的遥感卫星图像的分级管理，全连通地实现遥感卫星图像的分级增强和分级管理。分级管理。分级管理。

【技术实现步骤摘要】
一种遥感卫星图像分级管理的方法及装置


[0001]本专利技术涉及信息管理领域，具体涉及一种遥感卫星图像分级管理的方法及装置
。

技术介绍

[0002]高分辨率遥感卫星图像具有丰富的光谱
、
形状和纹理特征，其常规的管理方式是平级管理，但受成像条件
、
卫星成像指标等各因素影响，使在轨图像辐射质量有时无法满足使用要求，通过图像增强处理可以进一步提升遥感卫星图像的清晰度，从而提升遥感卫星图像的应用效能，对处理后的遥感卫星图像进行平级管理不利于层次化区分和有效使用
。
本专利技术目的在于对不同层级的遥感卫星图像进行分级管理
。

技术实现思路

[0003]有鉴于此，本专利技术提供了一种遥感卫星图像分级管理的方法，能够解决现有技术的遥感卫星图像通常无法达到所需的清晰度和完整效果
、
缺少有效管理的技术问题
。
[0004]为了解决上述技术问题，本专利技术是这样实现的
。
[0005]一种遥感卫星图像分级管理的方法，所述方法包括如下步骤：步骤
S1
：构建沙漏全卷积神经网络模型；所述沙漏全卷积神经网络模型包括编码器及解码器，所述编码器基于待管理的遥感卫星图像及所述待管理的遥感卫星图像的管理等级逐级生成特征向量；所述解码器用于逐级还原遥感卫星图像，得到与所述待管理的遥感卫星图像同分辨率的增强图像；步骤
S2
：获取待管理的遥感卫星图像，提取所述待管理的遥感卫星图像的图像特征，所述图像特征包括云量
、
云层厚度，基于所述图像特征确定所述待管理的遥感卫星图像的管理等级；步骤
S3
：将所述管理等级及所述待管理的遥感卫星图像输入训练完毕的沙漏全卷积神经网络模型，得到增强遥感卫星图像；步骤
S4
：将所述增强遥感卫星图像依据所述管理等级存储于分级数据库，进行分级管理
。
[0006]优选地，所述编码器自顶向下具有依次相连的一个编码器端卷积层
、
第一下采样层
、
第二下采样层
、
第三下采样层及第四下采样层；所述编码器端卷积层包括编码器端沙漏模块，所述编码器端沙漏模块基于所述待管理的遥感卫星图像生成初始特征向量，将所述初始特征向量输入所述第一下采样层；第一下采样层
、
第二下采样层
、
第三下采样层均包括相互连接的最大池化层及沙漏模块，所述最大池化层用于接收上一层输出的特征向量，将处理后的特征向量输入与所述最大池化层对应的本层的沙漏模块进行卷积操作，将卷积操作生成的特征向量输出给下一层的最大池化层；所述第四下采样层包括依次相连的第四最大池化层及第四沙漏模块，所述第四最大池化层用于接收第三下采样层输出的特征向量，将处理后的特征向量输入所述第四沙漏模块进行卷积操作得到第四特征向量，并将所述第四特征向量发送到所述解码器；其中，所述编码器端卷积层
、
第一下采样层
、
第二下采样层
、
第三下采样层及第四下采样层进行卷积操作时，基于所述待管理的遥感卫星图像的管理等级确定卷积核的数量；所述解码器自底向上具有依次相连的第一上采样层
、
第二上采样层
、
第三上采样层
、
第四上采样层和一个解码器端卷积层；所述第一上采样层包括依次相连的第一向上卷积层及解码器端第一沙漏模块，所述第一向上卷积层接收所述第四下采样层中所述第四沙漏模块输出的所述第四特征向量，将处理后的特征向量输入所述解码器端第一沙漏模块进行卷积操作，输出卷积操作处理后的特征向量；所述第二上采样层
、
第三上采样层和第四上采样层均包括相互连接的向上卷积层及解码器端沙漏模块，第二上采样层
、
第三上采样层及第四上采样层中的向上卷积层均用于接收前一上采样层输出的特征向量，将处理后的特征向量输入本采样层的解码器端沙漏模块，第二上采样层
、
第三上采样层及第四上采样层中的解码器端沙漏模块还接收与其所在的上采样层对称的下采样层的沙漏模块输出的特征向量，将接收的两个特征向量进行拼接后，经卷积操作得到解码器端沙漏模块处理后的特征向量，其中，第二上采样层
、
第三上采样层及第四上采样层分别与第三下采样层
、
第二下样层
、
第一下采样层对称；所述解码器端卷积层接收所述第四上采样层输出的特征向量进行卷积操作得到与所述待管理的遥感卫星图像同分辨率的增强图像，其中，所述第一上采样层
、
第二上采样层
、
第三上采样层
、
第四上采样层和解码器端卷积层进行卷积操作时，基于所述待管理的遥感卫星图像的管理等级确定卷积核的数量
。
[0007]优选地，所述编码器端沙漏模块
、
第一下采样层
、
第二下采样层
、
第三下采样层中的沙漏模块
、
解码器端沙漏模块
、
以及第一上采样层
、
第二上采样层
、
第三上采样层
、
第四上采样层中的沙漏模块的结构相同；所述沙漏模块包括依次相连的第一卷积层
、
第二卷积层
、
第三卷积层及第四卷积层，其中，所述第一卷积层用于接收输入的特征向量，并把接收的特征向量进行卷积处理得到特征向量，并发送到第二卷积层，所述第二卷积层用于对接收的特征向量进行降维操作，将降维后的特征向量发送到第三卷积层，所述第三卷积层用于对接收的特征向量进行维度扩大操作，将维度扩大后的特征向量发送到第四卷积层，所述第四卷积层用于对接收的特征向量进行卷积操作，得到该沙漏模块输出的特征向量
。
[0008]优选地，所述步骤
S2
，基于所述图像特征确定所述待管理的遥感卫星图像的管理等级，包括：
N
c
表示云量，
T
c
表示云层厚度，并依据以下公式得到管理等级
L
enhance
；其中
ROUND
为四舍五入函数，
sigmoid
公式为，
n
为图像特征的元素数量，
N
ci
为云量特征向量第
i
个元素值，
T
ci
为云层厚度特征向量第
i
个元素值
。
[0009]优选地，所述沙漏全卷积神经网络模型采用的损失函数为
MSE
损失函数和
SSIM
损失函数联合损失；
MSE
损失函数的计算公式如下：
MSE
loss
为
MSE
损失函数的损失值，
m
为输入样本整幅遥感卫星图像的像素点数量，
y...

【技术保护点】

【技术特征摘要】
1.
一种遥感卫星图像分级管理的方法，其特征在于，所述方法包括如下步骤：步骤
S1
：构建沙漏全卷积神经网络模型；所述沙漏全卷积神经网络模型包括编码器及解码器，所述编码器基于待管理的遥感卫星图像及所述待管理的遥感卫星图像的管理等级逐级生成特征向量；所述解码器用于逐级还原遥感卫星图像，得到与所述待管理的遥感卫星图像同分辨率的增强图像；步骤
S2
：获取待管理的遥感卫星图像，提取所述待管理的遥感卫星图像的图像特征，所述图像特征包括云量
、
云层厚度，基于所述图像特征确定所述待管理的遥感卫星图像的管理等级；步骤
S3
：将所述管理等级及所述待管理的遥感卫星图像输入训练完毕的沙漏全卷积神经网络模型，得到增强遥感卫星图像；步骤
S4
：将所述增强遥感卫星图像依据所述管理等级存储于分级数据库，进行分级管理
。2.
如权利要求1所述的方法，其特征在于，所述编码器自顶向下具有依次相连的一个编码器端卷积层
、
第一下采样层
、
第二下采样层
、
第三下采样层及第四下采样层；所述编码器端卷积层包括编码器端沙漏模块，所述编码器端沙漏模块基于所述待管理的遥感卫星图像生成初始特征向量，将所述初始特征向量输入所述第一下采样层；第一下采样层
、
第二下采样层
、
第三下采样层均包括相互连接的最大池化层及沙漏模块，所述最大池化层用于接收上一层输出的特征向量，将处理后的特征向量输入与所述最大池化层对应的本层的沙漏模块进行卷积操作，将卷积操作生成的特征向量输出给下一层的最大池化层；所述第四下采样层包括依次相连的第四最大池化层及第四沙漏模块，所述第四最大池化层用于接收第三下采样层输出的特征向量，将处理后的特征向量输入所述第四沙漏模块进行卷积操作得到第四特征向量，并将所述第四特征向量发送到所述解码器；其中，所述编码器端卷积层
、
第一下采样层
、
第二下采样层
、
第三下采样层及第四下采样层进行卷积操作时，基于所述待管理的遥感卫星图像的管理等级确定卷积核的数量；所述解码器自底向上具有依次相连的第一上采样层
、
第二上采样层
、
第三上采样层
、
第四上采样层和一个解码器端卷积层；所述第一上采样层包括依次相连的第一向上卷积层及解码器端第一沙漏模块，所述第一向上卷积层接收所述第四下采样层中所述第四沙漏模块输出的所述第四特征向量，将处理后的特征向量输入所述解码器端第一沙漏模块进行卷积操作，输出卷积操作处理后的特征向量；所述第二上采样层
、
第三上采样层和第四上采样层均包括相互连接的向上卷积层及解码器端沙漏模块，第二上采样层
、
第三上采样层及第四上采样层中的向上卷积层均用于接收前一上采样层输出的特征向量，将处理后的特征向量输入本采样层的解码器端沙漏模块，第二上采样层
、
第三上采样层及第四上采样层中的解码器端沙漏模块还接收与其所在的上采样层对称的下采样层的沙漏模块输出的特征向量，将接收的两个特征向量进行拼接后，经卷积操作得到解码器端沙漏模块处理后的特征向量，其中，第二上采样层
、
第三上采样层及第四上采样层分别与第三下采样层
、
第二下样层
、
第一下采样层对称；所述解码器端卷积层接收所述第四上采样层输出的特征向量进行卷积操作得到与所述待管理的遥感卫星图像同分辨率的增强图像，其中，所述第一上采样层
、
第二上采样层
、
第三上采样层
、
第四上采样层和解码器端卷积层进行卷积操作时，基于所述待管理的遥感卫星图像的管理等级确定卷积核的数量
。
3.
如权利要求2所述的方法，其特征在于，所述编码器端沙漏模块
、
第一下采样层
、
第二下采样层
、
第三下采样层中的沙漏模块
、
解码器端沙漏模块
、
以及第一上采样层
、
第二上采样层
、
第三上采样层
、
第四上采样层中的沙漏模块的结构相同；所述沙漏模块包括依次相连的第一卷积层
、
第二卷积层
、
第三卷积层及第四卷积层，其中，所述第一卷积层用于接收输入的特征向量，并把接收的特征向量进行卷积处理得到特征向量，并发送到第二卷积层，所述第二卷积层用于对接收的特征向量进行降维操作，将降维后的特征向量发送到第三卷积层，所述第三卷积层用于对接收的特征向量进行维度扩大操...

【专利技术属性】
技术研发人员：潘腾，崔玉萍，郭倩蕊，侯芸，关晖，张蕴灵，刘红雨，董元帅，陈曦，
申请(专利权)人：中国公路工程咨询集团有限公司中咨数据有限公司，
类型：发明
国别省市：