[发明专利]基于非成对的光学遥感图像质量提升方法

说明书

本发明公开了基于非成对的光学遥感图像质量提升方法，可用于任意类型的图像高质量光学遥感图像的获取，解决了现有技术中，对遥感图像处理时，无法在去除噪声的同时，重建比数据集本身分辨率更高图像的问题。本发明采用双循环结构结合一系列针对性的损失函数，对没有交集的任意图像类型光学遥感图像既可提升图像分辨率，也可去除噪声，无须建立训练数据间一对一的映射，便可实现高质量光学遥感图像的获取。

技术领域

本发明属于光学遥感图像处理领域，具体涉及一种基于非成对的光学遥感图像质量提升方法，可用于光学遥感图像的高质量获取。

背景技术

高质量光学遥感图像在目标检测、目标识别和图像分类方面应用广泛。由于受成像设备的精度和大气环境的影响，高质量光学遥感图像很难获得。在现有技术中，还没有能够在去除光学遥感图像噪声的同时，重建比数据集本身分辨率更高图像的方法。大多仅采用提升图像分辨率或去噪二者其一的技术来获取高质量光学遥感图像，如图1所示的CycleGAN图像处理方法，(参见Zhu J Y,Park T,Isola P,et al.Unpaired image-to-image translation using cycle-consistent adversarial networks[C]Proceedingsof the IEEE international conference on computer vision.2017:2223-2232.)可实现对图像的去噪处理，但无法实现提升图像分辨率；且CycleGAN图像处理方法只能在分辨率一致的两种图像间作风格转换，如果直接应用CycleGAN进行一种图像类型到另一种图像类型之间的转换，需要先通过插值的方法对低质量光学遥感图像进行上采样，而这种转换也会放大噪声模式，且无法通过CycleGAN图像处理方法去除这种放大的噪声，使训练变得非常不稳定，继而无法获取高质量的光学遥感图像。

发明内容

本发明为解决现有技术存在对遥感图像处理时，无法在去除噪声的同时，重建比数据集本身分辨率更高图像的技术问题，提出了一种基于非成对的光学遥感图像质量提升方法，本方法采用双循环结构，既可以提升图像分辨率，也可以去除噪声。此方法可用于对没有交集的任意图像类型光学遥感图像进行去噪和图像分辨率的提升，无须建立训练数据间一对一的映射，即可实现高质量光学遥感图像的获取。

本发明的技术解决方案是：一种基于非成对的光学遥感图像质量提升方法，其特殊之处在于：包括训练阶段和使用阶段，所述训练阶段采用生成对抗网络学习方法进行训练；

包括以下步骤：

步骤1、训练阶段

1.1)第一层循环：

1.1.1)将带噪声低分辨率的光学遥感图像A经过第一生成器模块G1，进行去噪处理得到去噪光学遥感图像A’；随后将去噪光学遥感图像A’通过第二生成器模块G2，进行加噪处理得到含有噪声的低分辨率光学遥感图像A”；

1.1.2)将无噪声低分辨率自然图像B经过第二生成器模块G2，进行加噪处理得到含有噪声的自然图像B’；随后将含有噪声的自然图像B’通过第一生成器模块G1，进行去噪处理得到去噪的低分辨率自然图像B”；

1.1.3)将A、A’、A”、B、B’及B”分别经过第一生成器模块G1、第二生成器模块G2及第一判别器模块D1、第二判别器模块D2的损失函数运算，得到本次循环的参数变化情况；

1.1.4)返回1.1.1)，直至训练集中所有图像都被处理过一次，完成一次迭代，更新G1、G2、D1、D2的参数；经过指定次数的迭代后，得到第一生成器模块G1、第二生成器模块G2、第一判别器模块D1及第二判别器模块D2网络参数；

1.2)第二层循环：