【技术实现步骤摘要】
本专利技术涉及一种基于耦合学习的薄云降质数据集的构建方法，属于遥感影像模拟。
技术介绍
1、薄云是遥感影像中的常见降质因素之一，其限制了遥感影像的数据精度并影响其后续的应用分析潜力。
2、基于深度学习网络的云雾校正算法，是遥感影像质量改善领域的热门研究方向之一，相比于传统算法具有更高的云校正精度及地表保真效果。但是由于此类算法主要通过学习“薄云降质影像”与其配对的“晴空无云影像”间的非线性映射关系，以实现云雾校正，对配对数据具有强依赖性。而现实世界中构建“薄云降质影像&晴空无云影像”数据对的成本十分高昂，所以极大地限制了此类算法的发展及落地应用。对此，实现薄云模拟为薄云校正算法的研究提供数据基础具有十分重要的意义，有利于提升遥感数据的应用潜力。
3、现有的薄云模拟方法主要分为3大类：
4、1）基于计算机模拟的模拟方法；这种方法主要通过随机信号生成方法如perlin噪声、worely噪声等，实现薄云纹理模拟；并通过改变生成频率、振幅等生成参数，叠加旋转、平移、翻转等数值拉伸方法实现形态控制。虽然...
【技术保护点】
1.一种基于耦合学习的薄云降质数据集的构建方法，其特征在于，包括：
2.根据权利要求1所述的基于耦合学习的薄云降质数据集的构建方法，其特征在于，所述单波段薄云模拟器采用风格生成对抗网络模型，所述单波段薄云模拟器包括生成器，所述生成器用于将随机噪声向量生成单波段薄云图像，所述生成器为多层结构，其中，每层结构分别对应不同分辨率的图像，且均包括依次连接的转置卷积层和激活函数层；
3.根据权利要求2所述的基于耦合学习的薄云降质数据集的构建方法，其特征在于，每个所述转置卷积层均引入随机噪声，所述随机噪声与对应所述转置卷积层的输出进行逐元素相加。
<...【技术特征摘要】
1.一种基于耦合学习的薄云降质数据集的构建方法，其特征在于，包括：
2.根据权利要求1所述的基于耦合学习的薄云降质数据集的构建方法，其特征在于，所述单波段薄云模拟器采用风格生成对抗网络模型，所述单波段薄云模拟器包括生成器，所述生成器用于将随机噪声向量生成单波段薄云图像，所述生成器为多层结构，其中，每层结构分别对应不同分辨率的图像，且均包括依次连接的转置卷积层和激活函数层；
3.根据权利要求2所述的基于耦合学习的薄云降质数据集的构建方法，其特征在于，每个所述转置卷积层均引入随机噪声，所述随机噪声与对应所述转置卷积层的输出进行逐元素相加。
4.根据权利要求2所述的基于耦合学习的薄云降质数据集的构建方法，其特征在于，所述单波段薄云模拟器的训练方法，包括：
5.根据权利要求4所述的基于耦合学习的薄云降质数据集的构建方法，其特征在于，所述对云形态数据集进行预处理得到预处理的云形态数据集，包括：
6.根据...
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。