基于深度学习的空间外差干涉图盲元噪声校正方法技术

本发明专利技术提供的是基于深度学习的空间外差干涉图盲元噪声校正方法。包括以下步骤：步骤S1：预处理实测干涉图数据集，获得不同时间维的干涉图数据。步骤S2：使用罗曼诺夫斯基定律检测干涉图数据集中的盲元噪声，并将其像元归零。步骤S3：搭建LSConv，用于初步填补噪声图像的线选择卷积块；将处理后的干涉图数据集输入线选择卷积层，对归零的盲元点进行初步修正。步骤S4：将修正后的干涉图输入以传统CNN为主的针对不同比例的盲元噪声，单独训练的深度学习模型，输出完成盲元校正的干涉图。本方法可用于干涉图中盲元噪声的检测与校正，并在定量标准和视觉效果方面超越了大部分同类方法，尤其是在高密度和超高密度噪声的情况下。可广泛用于光谱干涉图的校正领域。

【技术实现步骤摘要】

(一)本专利技术涉及的是基于深度学习的空间外差干涉图盲元噪声校正方法，特别是针对空间外差干涉图像，针对不同时间维的干涉图数据，使用罗曼诺夫斯基定律检测干涉图中的盲元点，随后针对被检测出来的盲元点，使用线选择卷积层进行初步恢复后输入深度学习模型中进行盲元校正，在涉及干涉图像作为数据集进行盲元校正，特别是针对高密度盲元噪声的检测时，检测效率更高，误检率和漏检率更低，校正效果更好，属于光谱干涉图的校正领域。

技术介绍

0、(二)
技术介绍

1、高分专项是指高分辨率对地观测系统，其中“高分五号”卫星是世界上第一颗同时对陆地和大气进行综合观测的卫星；也是国家高分重大科技专项中搭载载荷最多、光谱分辨率最高的卫星，作为高分五号载荷之一的——大气主要温室气体探测仪(gmi)是利用空间外差光谱技术(spatial heterodyne spectroscopy，shs)来实现大气遥感探测的气体检测仪，由于其采用面阵探测器进行信号获取，干涉数据采集过程中易受光学元器件的污染点、光栅的刻划脏点、轨道空间辐射粒子轰击造成的闪耀点等的影响，形成了干涉数据中的一类盲元点。<本文档来自技高网...

【技术保护点】

1.基于深度学习的空间外差干涉图盲元噪声校正方法。其特征是：

2.根据权利要求1所述的方法，其特征在于：步骤S1：预处理实测干涉图数据集，获得不同时间维的干涉图数据，包括：读取卫星原始数据，提取多组波长数据，并取平均，截取前两列数据作为一张干涉图数据，至少需要提取4张不同时间维的干涉图数据。

3.根据权利要求1所述的方法，其特征在于：步骤S2：使用罗曼诺夫斯基定律检测干涉图数据集中的盲元噪声，并将其像元归零，包括：读取任意张不同时间维干涉图并将其储存在一个张量中，计算每张图像位置相同处像元点的均值和标准差，使用罗曼诺夫斯基定律检测干涉图中的盲元点，将干涉图中的盲元...

【技术特征摘要】

1.基于深度学习的空间外差干涉图盲元噪声校正方法。其特征是：

2.根据权利要求1所述的方法，其特征在于：步骤s1：预处理实测干涉图数据集，获得不同时间维的干涉图数据，包括：读取卫星原始数据，提取多组波长数据，并取平均，截取前两列数据作为一张干涉图数据，至少需要提取4张不同时间维的干涉图数据。

3.根据权利要求1所述的方法，其特征在于：步骤s2：使用罗曼诺夫斯基定律检测干涉图数据集中的盲元噪声，并将其像元归零，包括：读取任意张不同时间维干涉图并将其储存在一个张量中，计算每张图像位置相同处像元点的均值和标准差，使用罗曼诺夫斯基定律检测干涉图中的盲元点，将干涉图中的盲元点归零，并设置一个噪声矩阵，标注图像中盲元点位置处的像素值为1，将原图像中的非盲元对应像素值设置为零，计算干涉图盲元率。

4.根据权利要求3所述的方法，其特征在于：读取任意张不同时间维干涉图并将其储存在一个张量中，计算每张图像位置相同处像元点的均值和标准差，包括：使用至少3张任意时间维干涉图，设置一个大小为h×w×c的储存张量h和w为干涉图的位置信息，c为干涉图的数量，在计算均值和标准差时添加一个选择张量，设置像元点低于或高于干涉图平均数值10倍的像元值不参与均值和标准差的计算。

5.根据权利要求1所述的方法，其特征在于：步骤s3：搭建lsconv，用于初步填...

【专利技术属性】
技术研发人员：叶松，董柏君，张紫杨，李树，张文涛，王新强，王方原，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：