一种渐进式双解耦的SAR辅助遥感影像厚云去除方法技术

技术编号：40654346 阅读：7 留言：0更新日期：2024-03-13 21:30

本发明专利技术涉及一种渐进式双解耦的SAR辅助遥感影像厚云去除方法，所述方法包括以下步骤：获取厚云遮挡光学遥感影像、无云参考影像和SAR影像三元数据集；构建渐进式双解耦的SAR辅助遥感影像厚云去除模型；训练渐进式双解耦的SAR辅助遥感影像厚云去除模型；待厚云去除的厚云遮挡光学遥感影像及对应SAR影像数据的获得及预处理；光学遥感影像厚云去除结果的获得。与现有技术相比，通过构建SAR和光学影像渐进式融合模块，充分利用两种模态间的互补信息，加强对光学影像缺失信息的补充和对SAR影像中噪声、形变的抑制。同时本发明专利技术设计的频域和空域双解耦特征处理架构，使得去云影像在光谱信息和结构信息的保持上均表现优异。

全部详细技术资料下载

【技术实现步骤摘要】

本专利技术涉及光学遥感影像数据处理，具体来说是一种渐进式双解耦的sar辅助遥感影像厚云去除方法。

技术介绍

1、光学遥感是对地观测的一种重要手段，但云层干扰破坏了传感器采集影像的空间结构和光谱信息，严重影响图像质量和农业、环境监测及勘探等领域下游任务的应用。因此，有效去除遥感影像中云层的干扰，重建地面信息具有重要研究意义。

2、遥感影像去云可分为薄云去除和厚云去除两类，相比于薄云去除，厚厚云遮挡区域的遥感影像地面信息几乎完全丢失，通常难以利用自身信息进行有效去除，需要额外的辅助信息进行图像重建。sar采用主动成像的方法，提供微波范围内的能量源并接收地面物体的反射信号，可以实现全天候监测，不受大气或天气条件的影响，作为光学影像中厚云去除的辅助信息能够提高多云区域结构信息的恢复能力。由于成像机制的不同，两种模态数据间存在巨大差异，简单的融合方法无法充分利用二者的互补信息，同时sar影像特殊的成像原理易产生相干斑噪声，会干扰图像恢复，产生伪影。在云去除任务中设计能够提取不同模态的一致性特征来引导深度融合，同时减少冗余信息和抑制噪声干扰的融合模型十分必要。

3、在处理复杂地形和严重云层遮挡的情况下，仅仅通过sar辅助进行全局结构信息的恢复可能导致厚云遮挡区域语义信息填充不准确和光谱特征变化问题。为进一步提高去云性能，获得更高质量的修复影像，需要在无云区域和重建区域的语义和光谱信息上进一步加以约束，以保持地物的空间连续性和光谱一致性，在云去除后获得更准确、更真实的地面信息，从而显著提升遥感影像去云效果和应用价值。</p>

技术实现思路

1、本专利技术的目的是为现有sar辅助遥感影像厚云去除方法对影像结构信息和光谱信息恢复不充分，提供一种渐进式双解耦的sar辅助遥感影像厚云去除方法来解决上述问题。

2、为了实现上述目的，本专利技术的技术方案如下：

3、一种渐进式双解耦的sar辅助遥感影像厚云去除方法包括以下步骤：

4、11)获取厚云遮挡光学遥感影像、无云参考影像和sar影像三元数据集：基于光学遥感影像数据集sen12ms-cr，综合考虑厚云遮挡率、下垫面类型及有云影像与参考影像间的时相差异，进行数据集构建；

5、12)构建渐进式双解耦的sar辅助遥感影像厚云去除模型：该模型主要由增强厚云遮挡影像结构信息恢复的多模态数据渐进式融合模块和细化厚云遮挡影像光谱信息恢复的辐射引导校正模块组成；

6、13)训练渐进式双解耦的sar辅助遥感影像厚云去除模型：将获取的厚云遮挡光学遥感影像和sar影像数据作为输入，以无云参考影像作为参考对模型进行监督训练，多次迭代训练，保存最佳模型权重用于厚云去除结果验证；

7、14)待厚云去除的厚云遮挡光学遥感影像及对应sar影像数据的获得及预处理；

8、15)光学遥感影像厚云去除结果的获得：将成对的厚云遮挡光学遥感影像和sar影像数据输入到渐进式双解耦的sar辅助遥感影像厚云去除模型，得到云去除后的光学影像。

9、所述获取厚云遮挡光学遥感影像、无云参考影像和sar影像三元数据集包括以下步骤：

10、21)基于具有全球数据的光学遥感影像数据集sen12ms-cr构建数据集；

11、211)sen12ms-cr数据集由169个均匀分布在各大洲和气象季节的非重叠区域组成，所有区域的平均地面覆盖面积约为52×40平方千米，对应5200×4000像素的完整场景图像，进行256×256像素、步长为128像素的裁切后，平均每个场景获得700个图像块，不仅数据量大，还涵盖多种地物覆盖类型和季节气侯性影响；

12、212)sen12ms-cr数据集包含经过校正和地理配准后成对的哨兵1号sar影像、哨兵2号无云影像和哨兵2号有云影像，其中作为参考的无云图像为可获得最接近有云影像采集时间的清晰影像，经人工筛选后所得；

13、213)哨兵2号光学影像数据包含13个波段，所有波段被截断值[0,10000]，并归一化到[0,1]之间，哨兵1号sar影像的vv和vh偏振图像分别被切割成值[-25,0]和[-32.5,0]，并缩放到范围[0,1]；

14、22)综合考虑厚云遮挡率、下垫面类型及有云影像与参考影像间的时相差异，从sen12ms-cr数据集中筛选数据，构建用于网络训练的子集；

15、221)获取哨兵2号有云影像的厚云遮挡率；

16、基于云检测算法，对有云影像进行逐像素分类，区分云和云阴影覆盖区域和无云背景区域，将云和云阴影区域像素值置为1，背景区域像素值置0，即可获得用于计算厚云遮挡率的二值掩膜图；

17、

18、其中，ri表示第i个影像的厚云遮挡率，mi表示第i个影像的二值掩膜图，sum(mi)表示统计二值掩膜图中值为1的像元个数，mi、ni表示第i个影像的大小，二者乘积即为影像像元总个数；

19、222)获取哨兵2号无云影像的下垫面类型；

20、基于灰度共生矩阵，分析无云影像的空间纹理结构特征，通过计算影像中有一定距离和方向的两点灰度之间的相关性，反映影像在方向、间隔、变化幅度及快慢的综合信息，定量评价影像的复杂程度；

21、

22、其中，(x,y)表示大小为(nx,ny)的影像中像元的坐标，i表示该像元的灰度值，p(i,j,d,θ)表示统计该像元与距离为d、方向为θ、灰度为j的像元(x+δx,y+δy)同时出现的概率；

23、

24、其中，et表示根据灰度共生矩阵pt(i,j,d,θ)计算所得的第t个影像的纹理复杂度熵值，纹理复杂度熵值越大表示影像的纹理越复杂；

25、将数据集所有无云影像的纹理复杂度熵值归一化后，将其分为复杂度不同的5个子集y＝{y1,y2,y3,y4,y5}，纹理复杂度熵值范围分别为{0,0.2}、{0.2,0.4}、{0.4,0.6}、{0.6,0.8}、{0.8,1}；

26、223)基于221)和222)获得的统计数据，合成考虑时间差异对地物覆盖类型变化影像的sen12ms-cr数据集子集作为训练渐进式双解耦的sar辅助遥感影像厚云去除模型的数据集；

27、从5组纹理复杂度不同的子集中根据厚云遮挡率分组选择样本影像三元组，厚云遮挡率也按{0,0.2}、{0.2,0.4}、{0.4,0.6}、{0.6,0.8}、{0.8,1}范围分为5组，共25个不同复杂度和厚云遮挡率分组，每个分组提取400个样本，共10000个影像三元组数据子集，将子集按8:2划分为训练集和验证集；

28、基于二值掩膜图、无云影像和有云影像合成用于模型训练的数据集；通过二值掩膜图提取有云影像受云污染的区域和对应无云影像的相对位置，通过逐像素替换的方式进行数据集合成；

29、xcloudy＝xe m+ye(1-m) (11)

30、其中，xcloudy表示合成的有云影像本文档来自技高网...

【技术保护点】

1.一种渐进式双解耦的SAR辅助遥感影像厚云去除方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的渐进式双解耦的SAR辅助遥感影像厚云去除方法，其特征在于，所述获取厚云遮挡光学遥感影像、无云参考影像和SAR影像三元数据集包括以下步骤：

3.根据权利要求1所述的一种渐进式双解耦的SAR辅助遥感影像厚云去除方法，其特征在于，所述构建渐进式双解耦的SAR辅助遥感影像厚云去除模型包括以下步骤：

4.根据权利要求1所述的一种渐进式双解耦的SAR辅助遥感影像厚云去除方法，其特征在于，训练渐进式双解耦的SAR辅助遥感影像厚云去除模型包括以下步骤：

【技术特征摘要】

1.一种渐进式双解耦的sar辅助遥感影像厚云去除方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的渐进式双解耦的sar辅助遥感影像厚云去除方法，其特征在于，所述获取厚云遮挡光学遥感影像、无云参考影像和sar影像三元数据集包括以下步骤：

3.根据权利要求1所述的...

【专利技术属性】
技术研发人员：徐凯，汪安铃，陈咏夷，贾兆红，鞠薇，邬伯才，
申请(专利权)人：安徽大学，
类型：发明
国别省市：

全部详细技术资料下载我是这个专利的主人