[发明专利]基于卷积神经网络的光学遥感图像的色彩重建方法

说明书

本发明公开了一种基于卷积神经网络的光学遥感图像的色彩重建方法，主要解决了现有方法对遥感图像进行色彩重建时无法真实反映地物颜色的问题。其方案为：分别从网上下载公开的遥感图像分类数据集和彩色遥感图像；在遥感图像分类数据集上构造训练集和测试集，并用训练集训练一个分类网络用来提取遥感地物特征；利用彩色遥感图像分别获取灰度遥感图像和颜色不正常的彩色遥感图像，并用其训练由生成网络和判别网络构成的生成对抗网络，得到训练好的生成网络；将灰度遥感图像输入到训练好的生成网络，得到色彩重建后的彩色遥感图像。本发明实现了遥感图像的色彩重建，得到的彩色图像能真实反映地物特征，可用于遥感图像的地物分类，目标检测任务中。

技术领域

本发明属于图像处理技术领域，特别涉及一种图像的色彩重建方法，可用于遥感地物分类及遥感目标检测，定位和跟踪。

背景技术

遥感数据是直接从遥感器得到的数字数据的罗列，为了使其内容直观易懂，彩色显示是非常重要的技术。相对于灰度遥感图像，彩色图像可以提高人眼在细节上的辨识度，是一种非常重要的图像增强技术。彩色图像包含三个维度的信息，相比于单通道的灰度图像可以获得更加丰富的信息，因此在遥感数据的应用中，遥感地物分类以及遥感目标检测，定位，跟踪等工作对彩色图像的依赖很高。

目前的色彩重建方法有伪彩色处理方法，是将图像的灰度值通过红、绿、蓝映射函数生成RGB色彩空间的三个分量，从而合成彩色图像。只要保证映射函数是连续的，则调色板彩色编码就是连续的。伪彩色处理虽然能够将灰度转化为彩色，但这种彩色并不是真正表现图像的原始颜色，而仅仅是一种便于识别的伪彩色，并且该方法适用于256级以下的灰度图像，对于高于256级灰度的高分辨率图像来说，只能先将灰度级压缩为256级灰度，然后再进行伪彩色处理，这对于高分辨率的遥感图像而言，会损失大量的信息，因此无法满足遥感图像处理工作。Bayer格式图像是伊士曼·柯达公司科学家Bryce Bayer发明的，他所发明的拜耳阵列被广泛运用数字图像。针对Bayer格式图像的色彩重建，国内外的学者都提出了许多实用的方法，在这些方法中，色彩重建效果越好的算法需要越多的计算量，占用越多的硬件资源，徐少雄等在北大核心期刊中提出的低复杂度Bayer图像色彩重建方法，首先使用Hamilton-Adam算法对Bayer图像进行预插值并求出色差通道；接着，通过求出5×5模板内判断插值方向的综合梯度因子，重新更新G通道缺失像元值；最后利用已重建的G通道求出缺失的R和B通道颜色，该方法能够降低硬件资源的占用，易于硬件实现，但是只能针对Bayer格式图像的色彩重建，并不适用于遥感卫星所拍摄的图像。

发明内容

本发明的目的在于克服上述现有方法存在的不足，提出了一种基于卷积神经网络的遥感图像色彩重建方法，以实现对遥感卫星所拍摄图像的色彩重建，能够真实反映地物特征。

本发明的技术方案是：通过对彩色遥感图像做灰度转化获得灰度遥感图像；通过对彩色遥感图像做模糊，加噪，色彩偏移，通道顺序打乱操作获得颜色不正常的图像；通过拍摄的遥感图像获得训练样本集和测试样本集，并对两个样本集进行归一化；构建卷积神经网络，并用训练样本集对其进行训练，用训练好的卷积神经网络模型对测试集上的数据进行测试，获得灰度遥感图像对应的彩色遥感图像，其实现步骤包含如下：

(1)从网站上分别获取公开的遥感图像分类数据集Y和彩色遥感图像X1，并对彩色遥感图像做灰度处理得到灰度遥感图像X2；再对彩色遥感图像依次做模糊、加噪、颜色偏移和通道顺序打乱操作，获取颜色不正常的彩色遥感图像X3；

(2)使用VGG-19网络在遥感图像分类数据集上针对不同类别提取特征；

(2.1)将遥感图像分类数据集Y中的80％作为训练集A，其余20％作为测试集B；