一种基于制造技术

本发明专利技术提出一种基于

【技术实现步骤摘要】
一种基于U
‑
net网络的卫星高光谱数据条带噪声去除方法


[0001]本专利技术涉及高光谱遥感数据处理
，具体是一种基于
U
‑
net
网络的卫星高光谱数据条带噪声去除方法，属于高光谱遥感领域
。
它适用于所有卫星高光谱遥感数据条带噪声去除
。

技术介绍

[0002]高光谱遥感数据具有上百个光谱通道，包含了丰富的光谱信息和空间信息，已被广泛应用到农业监测
、
水质反演
、
矿山环境调查
、
资源探勘等领域
。
但由于高光谱传感器的不稳定性和大气环境等因素的影响，高光谱图像经常受到各种噪音的干扰
。
与其他噪声不同，条带噪音就具有明显的几何异性和各向异性特征
。
这种噪音的形成与推扫成像光谱仪的成像过程密切相关，像素的均匀推扫模式和成像光谱仪入口处薄狭缝的不对称宽度等因素都会导致图像中出现条纹噪音
。
这种噪声在国产高光谱卫星的短波红外光谱区间通常表现的更本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
U
‑
net
网络的卫星高光谱数据条带噪声去除方法，其特征在于：具体步骤如下：步骤一：待处理卫星高光谱数据预处理；将待处理卫星高光谱
DN
值数据在
1400nm
和
1900nm
附近的水汽吸收波段去除；步骤二：待处理卫星高光谱数据切片处理；将步骤一获得数据进行切片处理，获得尺度大小为
200*200*9
影像块，其中
200*200
为影像块的列和行，9为影像块的波段数；当卫星高光谱数据波段数不为9的整数倍时，最后不够9波段，往前补充获得9波段数据；当卫星高光谱数据列或行不为
200
的整数倍时，最后列或行不够
200
，往前补充获得
200*200
大小影像块；步骤三：切片数据输入条带噪声去除模型；将步骤二获得切片数据输入到条带噪声去除模型，获得条带噪声去除后的切片；步骤四：条带噪声去除后切片数据拼接；将步骤三获得的条带噪声去除后切片数据进行拼接，获得条带噪声去除后的卫星高光谱数据；步骤一获得的预处理数据存在波段数不为9的整数倍或长或宽不为
200
的整数倍时，在由步骤三获得的条带噪声去除后的切片进行拼接时，需要将重合数据去除，然后完成数据拼接
。2.
根据权利要求1所述的一种基于
U
‑
net
网络的卫星高光谱数据条带噪声去除方法，其特征在于：条带噪声去除模型构建，具体为：条带噪声去除模型是以
U
‑
Net
网络为整体框架，由4个编码层
、3
个中间层与4个解码层组成；编码层由
3D
卷积层
、
批量归一化层
、
注意力机制和残差块组成；中间层由
3D
卷积层和批量归一化层组成；解码层由上采样层
、
批量归一化层
、
注意力机制和残差块组成
。3.
根据权利要求2所述的一种基于
U
‑
net
网络的卫星高光谱数据条带噪声去除方法，其特征在于：第一编码层输入为
200*200*9
的影像数据，输出
32
个特征图，大小
98*98*9
，第二编码层输出
64
个特征图，大小
94*94*9
，第三编码层输出
128
个特征图，大小
90*90*9
，第四编码层输出
256
个特征图，大小
86*86*9
；中间层均输出
256
个特征图，大小分别为
86*86*9。4.
根据权利要求2所述的一种基于
U
‑
net
网络的卫星高光谱数据条带噪声去除方法，其特征在于：第一解码层输出
128
个特征图，大小
90*90*9
，第二解码层输出
64
个特征图，大小
94*94*9
，第三解码层输出
32
个特征图，大小
98*98*9
，第四解码层输出大小
200*200*9
的图像
。5.
根据权利要求3或4所述的一种基于
U
‑
net
网络的卫星高光谱数据条带噪声去除方法，其特征在于：第一编码层与第四解码层之间
、
第二编码层与第三解码层之间
、
第三编码层与第二解码层之间
、
第四编码层与第一解码层之间由跳跃连接进行连接；注意力机制由空间注意力机制和通道注意力机制组成；通道注意力由最大池化层
、
平均池化层
、
多层感知器
、
以及
Sigmoid
函数组成；空间注意力模型由池化层
、
卷积层和
Sigmoid
激活函数组成；残差块由两组卷积和批量归一化层组成，在输入和输出之间用跳跃连接相连
。6.
根据权利要求1所述的一种基于
U
‑
net
网络...

【专利技术属性】
技术研发人员：董新丰，李娜，高若珩，武精凯，蒋校，张波，甘甫平，李彤彤，
申请(专利权)人：中国自然资源航空物探遥感中心，
类型：发明
国别省市：