【技术实现步骤摘要】
本申请涉及图像处理，尤其涉及一种遥感图像缺失数据重建方法、装置及存储介质。
技术介绍
1、遥感图像缺失数据重建旨在估计缺失区域并用预测的像素填充空缺，使得修复后的图像在视觉和语义上都正确，同时提高数据的可用性。其中，空缺区域可以指损坏的像素点，云或阴影造成的遮挡或卫星传感器未拍摄到的区域。缺失数据会降低遥感图像的质量和可用性，从而影响后续的应用和分析。通过缺失数据重建技术，可以填补这些缺失数据，提高遥感图像的完整性和准确性。在农业、林业、环境保护、城市规划等领域中，遥感图像缺失数据重建技术可以用于土地分类、植被监测、水资源管理等方面，为这些应用提供更加准确和完整的数据支持，提高遥感数据质量和应用价值。
2、随着深度学习在理论和应用上的快速发展，生成对抗网络在遥感图像缺失数据恢复中被广泛使用。如何使用生成对抗网络对损坏的遥感图像进行特征提取与特征融合以达到更好的生成效果，成为遥感图像缺失数据重建领域最为重要的研究课题之一。
技术实现思路
1、针对上述技术问题，本申请实施例提供一种遥感图像缺失数据重建方法、装置及存储介质。
2、第一方面，本申请实施例提供一种遥感图像缺失数据重建方法，包括：
3、获取遥感图像数据，所述遥感图像数据包括低分辨率图像数据和缺失部分数据的高分辨率图像数据；
4、将所述遥感图像数据输入至训练后的遥感图像缺失数据重建模型中，获取所述训练后的遥感图像缺失数据重建模型输出的重建结果，所述遥感图像缺失数据重建模型是基于可学
5、在一些实施例中，所述遥感图像缺失数据重建模型的训练步骤包括：
6、基于低分辨率图像数据和高分辨率完整图像数据确定训练标签、训练集；
7、将所述训练集输入至遥感图像缺失数据重建模型中，基于自适应区域标准化步骤确定所述遥感图像缺失数据重建模型的可学习参数；
8、根据所述可学习参数和三元组结构相似性损失完成所述遥感图像缺失数据重建模型的训练。
9、在一些实施例中，所述基于低分辨率图像数据和高分辨率完整图像数据确定训练标签、训练集，包括：
10、将所述高分辨率完整图像数据与掩码矩阵进行元素相乘，得到缺失部分数据的高分辨率图像数据；
11、将所述低分辨率图像数据和缺失部分数据的高分辨率图像数据确定为训练集，并将所述高分辨率完整图像数据确定为训练标签。
12、在一些实施例中，所述基于自适应区域标准化步骤确定所述遥感图像缺失数据重建模型的可学习参数，包括：
13、基于缺失部分数据的高分辨率图像数据中的有效区域确定缺失部分数据的高分辨率图像数据中未知区域的可学习参数。
14、在一些实施例中，所述根据所述可学习参数和三元组结构相似性损失完成所述遥感图像缺失数据重建模型的训练，包括：
15、基于三元组结构相似性损失确定高分辨率的结构信息；
16、根据所述可学习参数和所述高分辨率的结构信息完成所述遥感图像缺失数据重建模型的训练。
17、在一些实施例中，所述三元组结构相似性损失的计算公式为：
18、
19、f(x,y)＝1-ssim(x,y)
20、为三元组结构相似性损失，ssim(x,y)表示计算x和y之间的结构相似性，o为高分辨率完整图像数据，为重建结果，r为低分辨率图像数据，α用于确定嵌入空间的距离。
21、第二方面，本申请实施例还提供一种遥感图像缺失数据重建装置，包括：
22、第一获取模块，用于获取遥感图像数据，所述遥感图像数据包括低分辨率图像数据和缺失部分数据的高分辨率图像数据；
23、第二获取模块，用于将所述遥感图像数据输入至训练后的遥感图像缺失数据重建模型中，获取所述训练后的遥感图像缺失数据重建模型输出的重建结果，所述遥感图像缺失数据重建模型是基于可学习参数和三元组结构相似性损失训练得到的。
24、在一些实施例中，所述第二获取模块包括：
25、第一确定子模块，用于基于低分辨率图像数据和高分辨率完整图像数据确定训练标签、训练集；
26、第二确定子模块，用于将所述训练集输入至遥感图像缺失数据重建模型中，基于自适应区域标准化步骤确定所述遥感图像缺失数据重建模型的可学习参数；
27、第一训练子模块，用于根据所述可学习参数和三元组结构相似性损失完成所述遥感图像缺失数据重建模型的训练。
28、在一些实施例中，所述第一确定子模块包括：
29、第一处理单元，用于将所述高分辨率完整图像数据与掩码矩阵进行元素相乘，得到缺失部分数据的高分辨率图像数据；
30、第二处理单元，用于将所述低分辨率图像数据和缺失部分数据的高分辨率图像数据确定为训练集，并将所述高分辨率完整图像数据确定为训练标签。
31、在一些实施例中，所述第二确定子模块包括：
32、第一确定单元，用于基于缺失部分数据的高分辨率图像数据中的有效区域确定缺失部分数据的高分辨率图像数据中未知区域的可学习参数。
33、在一些实施例中，所述第一训练子模块包括：
34、第二确定单元，用于基于三元组结构相似性损失确定高分辨率的结构信息；
35、第一训练单元，用于根据所述可学习参数和所述高分辨率的结构信息完成所述遥感图像缺失数据重建模型的训练。
36、在一些实施例中，所述三元组结构相似性损失的计算公式为：
37、
38、f(x,y)＝1-ssim(x,y)
39、为三元组结构相似性损失，ssim(x,y)表示计算x和y之间的结构相似性，o为高分辨率完整图像数据，为重建结果，r为低分辨率图像数据，α用于确定嵌入空间的距离。
40、第三方面，本申请实施例还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述遥感图像缺失数据重建方法。
41、第四方面，本申请实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述遥感图像缺失数据重建方法。
42、第五方面，本申请实施例还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述遥感图像缺失数据重建方法。
43、本申请实施例提供的遥感图像缺失数据重建方法、装置及存储介质，通过标准化函数和损失函数的精细化设计，在遥感图像缺失数据修复过程中能够最大限度地保持图像的结构完整性，使得重建区域保留更多的细节信息，可以提高遥感图像数据的质量和应用价值。
本文档来自技高网...【技术保护点】
1.一种遥感图像缺失数据重建方法，其特征在于，包括：
2.根据权利要求1所述的遥感图像缺失数据重建方法，其特征在于，所述遥感图像缺失数据重建模型的训练步骤包括：
3.根据权利要求2所述的遥感图像缺失数据重建方法，其特征在于，所述基于低分辨率图像数据和高分辨率完整图像数据确定训练标签、训练集，包括：
4.根据权利要求2所述的遥感图像缺失数据重建方法，其特征在于，所述基于自适应区域标准化步骤确定所述遥感图像缺失数据重建模型的可学习参数，包括：
5.根据权利要求2所述的遥感图像缺失数据重建方法，其特征在于，所述根据所述可学习参数和三元组结构相似性损失完成所述遥感图像缺失数据重建模型的训练，包括：
6.根据权利要求5所述的遥感图像缺失数据重建方法，其特征在于，所述三元组结构相似性损失的计算公式为：
7.一种遥感图像缺失数据重建装置，其特征在于，包括：
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的遥感图像缺失数据重建方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的遥感图像缺失数据重建方法。
...【技术特征摘要】
1.一种遥感图像缺失数据重建方法，其特征在于，包括：
2.根据权利要求1所述的遥感图像缺失数据重建方法，其特征在于，所述遥感图像缺失数据重建模型的训练步骤包括：
3.根据权利要求2所述的遥感图像缺失数据重建方法，其特征在于，所述基于低分辨率图像数据和高分辨率完整图像数据确定训练标签、训练集，包括：
4.根据权利要求2所述的遥感图像缺失数据重建方法，其特征在于，所述基于自适应区域标准化步骤确定所述遥感图像缺失数据重建模型的可学习参数，包括：
5.根据权利要求2所述的遥感图像缺失数据重建方法，其特征在于，所述根据所述可学习参数和三元组结构相似性损失完成所述遥感图像缺失数据重建模型的训练，包括：
6.根据权利要...
【专利技术属性】
技术研发人员：刘鹏，崔永川，宋秉泽，马艳，陈腊娇，赵灵军，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。