[发明专利]基于内容感知深度学习网络的遥感图像超分辨率重建方法

摘要

本发明公开了一种基于内容感知深度学习网络的遥感图像超分辨率重建方法，本发明提出了图像内容复杂性的综合度量指标及计算方法，以此为基础，将样本图像按内容复杂性分类，构建和训练高、中、低三种复杂性不等的深层GAN网络模型，然后根据待超分的输入图像的内容复杂性，选取对应的网络进行重建。为了提高GAN网络的学习性能，本发明同时给出了一种优化的损失函数定义。本发明方法克服了基于机器学习的超分辨率重建中普遍存在的过拟合和欠拟合的矛盾，有效提升了遥感影像的超分辨率重建精度。

主权项

1.一种基于内容感知深度学习网络的遥感图像超分辨率重建方法，其特征在于，包括以下步骤：步骤1：收集高低分辨率遥感图像样本，并进行分块处理；步骤2：计算每个图像块的复杂度，按复杂度分成高、中、低三类，分别构成高、中、低复杂度的训练样本集；其中所述图像块的复杂度，其计算方法为：C＝w_h×H+w_u×U+w_e×R；其中，C表示图像块的复杂度，H表示图像信息熵，U表示图像灰度一致性，R表示图像边缘比率，w_h，w_u，w_e分别是各自的权重，权重由实验确定；步骤3：利用获得的样本集分别训练高、中、低复杂度的三种GAN网络；其中GAN网络训练的损失函数定义为：其中，C表示网络训练的损失函数，表示内容损失函数，表示生成‑对抗损失函数，表示全变差损失函数；w_v，w_g，w_t分别是各自的权重，权重由实验确定；步骤4：计算输入图像的复杂度，根据复杂度选取对应的GAN网络重建；步骤4的具体实现包括以下子步骤：步骤4.1：将输入图像均匀划分，计算每个子图的复杂度，并判断属于高、中、低复杂度的类型；步骤4.2：根据复杂度类型选取相应的GAN网络进行超分辨率重建。