[发明专利]一种基于多源融合的星载光谱遥感图像超分辨率重构方法

说明书

本发明公开了一种基于多源融合的星载光谱遥感图像超分辨率重构方法，包括：构建基于多尺度双残差融合结构模块的光谱遥感图像超分辨率网络；制备用于训练光谱遥感图像超分辨率网络的多源成对训练数据集，并对其进行训练；通过训练完成所得到的基于多尺度双残差融合结构的光谱遥感图像超分辨率网络对光谱遥感图像进行超分辨率重构。本发明的优点是：改善超分辨率效果，为超分辨率高光谱图像提供丰富的纹理细节信息，用以对实际应用中的低分辨率遥感图像进行空间质量改善。

技术领域

本发明涉及遥感光谱成像技术领域，特别涉及一种基于多源融合的星载光谱遥感图像超分辨率重构方法。

背景技术

光谱遥感图像可对400纳米至2500纳米范围内的光谱信息进行成像，包含可见光图像、全色图像、多光谱图像、热红外图像和高光谱图像等。由于成像机理不同，不同图像传感器对光谱的响应方式和区间不一致。因而，输出的图像所含信息各有所长。其中，全色图像空间分辨率可达米级，包含丰富的空间纹理信息；而多光谱图像和高光谱图像则有较高的光谱维分辨率，而空间分辨率受限；可见光图像则具有固定的成像范围，对红、绿、蓝三个光谱可见光区间进行成像、包含人眼可感知的地物信息；红外图像则对成像范围内目标的红外特性和热量辐射进行成像，能够感知人眼不可查觉的目标信息。

对于星载成像平台而言，受卫星发射成本、运维成本等限制，传感器设计难以同时光谱兼顾空间分辨率、光谱分辨率以及高信噪比需求。此外，由于成像链路较长，图像会受到大气、噪声和运动模糊等一系列因素的影响，导致输出影像质量受限，难以满足实际应用需求。因此，针对特定应用，将多源遥感影像按需进行融合，实现不同源信息互补，可生成一副同时具备高空间分辨率、空谱间分辨率的高质量图像。此项技术的重要意义在于可有效降低星载成像平台的光学系统口径，促进微小卫星发展，缩减研制成本。

现有用于星载光谱遥感图像超分辨率重构的多源融合方法主要来源于信号处理领域、计算机视觉领域和人工智能领域。代表性方法有成分替换法、多分辨率分析法、字典学习方法、以及基于卷积神经网络的信息融合方法等，这些方法多基于特定传感器类型或者特定假设展开工作，缺少实用性和稳定性。

发明内容

本发明针对现有技术的缺陷，提供了一种基于多源融合的星载光谱遥感图像超分辨率重构方法，其既能够应用于天基星载光谱遥感图像多源信息集成，又可应用空基、地基等其他光谱图像超分辨率重构任务。同时该方法可根据任务需求对不同结构的异源数据进行融合，用以提升对目标属性更加清晰准确的识别探测。

为了实现以上发明目的，本发明采取的技术方案如下：

一种基于多源融合的星载光谱遥感图像超分辨率重构方法，包括：通过训练完成的光谱遥感图像超分辨率网络对星载光谱图像进行超分辨率重构，其中所述光谱遥感图像超分辨率网络基于多尺度双残差融合网络构建，其训练集由大小为64×64的高分辨率遥感图像块及其低分辨率图像块，以及参考图像组成。

所述星载光谱遥感图像超分辨率重构方法具体包括以下步骤：

步骤1：构建基于多尺度双残差融合结构模块的光谱遥感图像超分辨率网络；

步骤2：制备用于训练光谱遥感图像超分辨率网络的多源成对训练数据集，并对其进行训练；

步骤3：通过训练完成所得到的基于多尺度双残差融合结构的光谱遥感图像超分辨率网络对光谱遥感图像进行超分辨率重构。

进一步地，所述多尺度双残差融合结构通过对残差连接进行改进形成双残差结构，实现不同深度层特征的纵向交互；同时通过在每个双残差模块内部通过多个卷积不同尺度的卷积核实现对图像不同尺寸特征的横向提取与聚合。

进一步地，所述多源成对训练数据集由一对任务所需的具备互补信息的高空间分辨率低谱间分辨率图像，简称为Htrain图像和低空间分辨率高谱间分辨率图像，简称为Ltrain图像，以及高空间分辨率高谱间分辨率真值图像，简称为GTtrain图像构成。