[发明专利]基于条件生成对抗网络的高分辨率气溶胶估算方法

权利要求书

1.基于条件生成对抗网络的高分辨率气溶胶估算方法，其特征在于，包括：

构建条件生成对抗网络，所述条件生成对抗网络包括生成器网络和判别器网络；所述生成器网络通过两个阶段对输入图像进行分辨率的提升，其中，第一个阶段对所述输入图像进行初步分辨率提升，第二个阶段对初步分辨率提升后的所述输入图像进行细节质量提升；

构建样本集，所述样本集包括原始高分辨率AOD图像、环境特征数据、估计高分辨率AOD图像和低分辨率AOD图像；其中，所述低分辨率AOD图像通过对所述原始高分辨率AOD图像进行降采样得到；所述估计高分辨率AOD图像通过将所述低分辨率AOD图像和所述环境特征数据输入至所述生成器网络得到；

通过所述样本集对所述生成器网络进行训练，得到训练好的所述生成器网络，训练好的所述生成器网络用于对待处理的低分辨率AOD图像进行高分辨率AOD图像的估计；其中，将所述低分辨率AOD图像作为空间条件，将所述环境特征数据作为环境条件对所述生成器网络进行训练；训练过程中，将所述样本集输入所述判别器网络，根据所述判别器网络的输出对所述生成器网络进行监督训练；满足预设条件，则得到训练好的所述生成器网络，否则，对所述生成器网络进行参数调整，并基于损失函数对所述生成器网络进行二次训练。

2.根据权利要求1所述的基于条件生成对抗网络的高分辨率气溶胶估算方法，其特征在于，得到训练好的所述生成器网络之后，还包括：获取待处理的低分辨率AOD图像，将所述待处理的低分辨率AOD图像和相应的所述环境特征数据输入训练好的所述生成器网络，得到高分辨率AOD图像；其中，所述样本集中的所述原始高分辨率AOD图像采用高空间、低时间分辨率的MODIS AOD数据；所述待处理的低分辨率AOD图像采用低空间、高时间分辨率的Himawari AOD数据，得到的所述高分辨率AOD图像为高空间、高时间分辨率的AOD估算数据。

3.根据权利要求1所述的基于条件生成对抗网络的高分辨率气溶胶估算方法，其特征在于，所述生成器网络包括依次连接的编-解码器网络、残差网络；

所述编-解码器网络用于输入所述低分辨率AOD图像，并根据所述低分辨率AOD图像生成第一高分辨率AOD图像，完成所述低分辨率AOD图像的初步分辨率提升；

所述残差网络用于输入所述第一高分辨率AOD图像和所述环境特征数据，根据所述环境特征数据对所述第一高分辨率AOD图像进行修正，得到所述估计高分辨率AOD图像，完成所述低分辨率AOD图像细节质量的提升。

4.根据权利要求1所述的基于条件生成对抗网络的高分辨率气溶胶估算方法，其特征在于，所述根据所述判别器网络的输出对所述生成器网络进行监督训练包括：

将所述样本集输入所述判别器网络，根据所述低分辨率AOD图像的降采样条件和所述环境特征数据，通过所述判别器网络对所述原始高分辨率AOD图像和所述估计高分辨率AOD图像进行判定，根据所述判别器网络的判定结果对所述生成器网络进行监督训练；若所述判别器网络无法区分所述原始高分辨率AOD图像和所述估计高分辨率AOD图像，则得到训练好的所述生成器网络，否则，训练失败。

5.根据权利要求1所述的基于条件生成对抗网络的高分辨率气溶胶估算方法，其特征在于，所述基于损失函数对所述生成器网络进行二次训练包括：

固定所述判别器网络的参数，并调整所述生成器网络的参数，根据所述生成器网络和所述判别器网络的相互对抗反馈，对所述生成器网络和所述判别器网络进行交替更新，得到训练好的所述生成器网络；其中，以最小化所述损失函数为目标，对所述生成器网络和所述判别器网络进行交替更新。

6.根据权利要求1至5任一项所述的基于条件生成对抗网络的高分辨率气溶胶估算方法，其特征在于，所述损失函数如下式所示：

Loss_1(θ_G，θ_D)＝-log D(M_HR，M′_LR)-log(1-D(G(M′_LR)，M′_LR))

Loss_2(θ_G，θ_D)＝-log D(M_HR，E)-log(1-D(G(M′_LR)，E))

L(θ_G，θ_D)＝Loss_SC(θ_G)+λ₁Loss_1(θ_G，θ_D)+λ₂Loss_2(θ_G，θ_D)

式中，M′_LR、M_HR、M′_HR、E分别为所述低分辨率AOD图像、所述原始高分辨率AOD图像、所述估计高分辨率AOD图像、所述环境特征数据；θ_G、θ_D分别为所述生成器网络、所述判别器网络的参数；Loss_1(θ_G，θ_D)、Loss_2(θ_G，θ_D)分别为基于所述低分辨率AOD图像的对抗损失、基于所述环境数据的对抗损失；D()为所述判别器网络输出的概率值；G()表示所述生成器网络；Loss_SC(θ_G)表示空间内容损失；n表示所述原始高分辨率AOD图像的像素数量；M_HR，i、M′_HR，i分别表示所述原始高分辨率AOD图像、所述估计高分辨率AOD图像中的第i个像素；ρ()表示惩罚函数；L(θ_G，θ_D)表示所述条件生成对抗网络的总体损失函数；λ₁、λ₂分别为权重系数。