[发明专利]一种遥感影像数据扩增方法

权利要求书

1.一种遥感影像数据扩增方法，其特征在于，包括如下步骤：

S1：获取遥感影像数据并对目标区域进行标注，得到目标标注信息，基于所述目标标注信息对所述遥感影像数据进行目标区域提取，得到遥感目标切块数据；

S2：利用所述遥感目标切块数据对生成对抗网络进行训练与改进，得到生成对抗优化网络；

S3：基于所述生成对抗优化网络对噪声进行处理，得到具有遥感目标新颜色特征、亮度特征、形状特征的遥感目标切块扩增数据；

S4：利用区域生长方法和二值化技术对所述遥感目标切块扩增数据进行处理，得到目标切块二值图，基于所述目标切块二值图、所述遥感影像数据和所述遥感目标切块扩增数据，得到仿真遥感影像数据，从而实现遥感影像数据扩增。

2.根据权利要求1所述的遥感影像数据扩增方法，其特征在于，所述步骤S1中，所述基于所述目标标注信息对所述遥感影像数据进行目标区域提取包括以下步骤:

A1：基于所述目标标注信息，得到目标区域在所述遥感影像数据中的坐标；

A2：基于目标区域的所述坐标将目标区域进行切割，得到所述遥感目标切块数据。

3.根据权利要求1所述的遥感影像数据扩增方法，其特征在于，所述步骤S2中，所述生成对抗网络包括生成网络和鉴别网络，所述利用所述遥感目标切块数据对生成对抗网络进行与改进得到生成对抗优化网络包括以下步骤：

基于所述遥感目标切块数据对所述生成对抗网络进行训练；

通过所述生成网络的误差和所述鉴别网络的误差和所述鉴别网络的鉴别概率以实现所述生成网络和所述鉴别网络的网络参数更新；

当所述鉴别网络的鉴别概率到达阈值时，结束训练，得到所述网络模型权重参数。

4.根据权利要求3所述的遥感影像数据扩增方法，其特征在于，所述鉴别网络包括第一鉴别网络和第二鉴别网络，所述通过所述生成网络的误差和所述鉴别网络的误差和所述鉴别网络的鉴别概率以实现所述生成网络和所述鉴别网络的网络参数更新包括以下步骤：

B1：固定所述生成网络的参数，输入随机噪声至所述生成网络，得到第一生成图像，将真实图像和所述第一生成图像输入至所述第一鉴别网络进行训练，根据所述第一鉴别网络输出的概率值与误差，更新所述第一鉴别网络的参数，其中，所述真实图像为所述遥感目标切块数据；

B2：固定所述第二鉴别网络的参数，所述第二鉴别网络的参数同步所述第一鉴别网络的参数，输入随机噪声至所述生成网络，得到第二生成图像，将所述第二生成图像输入至所述第二鉴别网络，根据所述第二鉴别网络输出的概率值与误差，更新所述生成网络的参数；

B3：重复所述步骤B1和B2，若所述第二鉴别网络输出的鉴别概率值到达阈值，则结束训练，得到所述网络模型权重参数。

5.根据权利要求4所述的遥感影像数据扩增方法，其特征在于，所述生成网络的误差公式为所述鉴别网络的误差公式为其中,x服从p_r(x)分布，即x∈p_r(x)，z为噪声，z服从随机分布p_z(z)，D(x)为真实图像鉴别概率，D(G(z))为生成图像的鉴别概率。

6.根据权利要求3所述的遥感影像数据扩增方法，其特征在于，所述生成网络结构依次为5层反卷积层，5层所述反卷积层的卷积核大小均为5×5，步长均为2，卷积核个数由1024且逐层减小，每层卷积核个数为上一层的1/2。

7.根据权利要求3所述的遥感影像数据扩增方法，其特征在于，所述第一鉴别网络、所述第二鉴别网络结构均为依次设置的5层卷积层和1层多特征图特征融合层，5层所述卷积层的卷积核大小均为5×5，步长均为2，其中，所述多特征图特征融合层将按顺序的后3层所述卷积层的特征进行融合，归一化尺寸大小为4×4的特征图。

8.根据权利要求1所述的遥感影像数据扩增方法，其特征在于，所述步骤S4包括以下步骤：

S41：以所述遥感目标切块扩增数据的中心点为种子点，通过区域生长方法，从所述遥感目标切块扩增数据分离出目标图像，并对所述目标图像二值化处理得到所述目标切块二值图；

S42：对所述遥感影像数据裁剪为固定长宽的遥感影像数据，并剔除所述遥感影像数据内的目标图像，得到所述遥感背景图；

S43：通过二次掩模法，基于所述目标切块二值图、所述遥感背景图和所述遥感目标切块扩增数据得到所述仿真遥感影像数据。