[发明专利]一种基于混合损失函数约束的卫星影像超分辨率重建方法

摘要

本发明公开了一种基于混合损失函数约束的卫星影像超分辨率重建方法，包括非局部网络构建、L1和L2混合范式约束训练两个过程。非局部网络构建中，对于非目标区域，计算与当前目标区域的特征向量的相关性，通过卷积提取目标有关的描述信息，对当前输入进行信息增强，从而提升网络的表达能力。L1和L2混合范式约束训练过程中，考虑到L1和L2范数在不同层次特征信息稀疏性表达上的特点，分阶段使用这两个范数作为目标损失函数，从而提升网络的收敛速度和性能。本发明极大地增强了深度学习网络的特征表达能力，能够重建纹理细腻的高分辨率卫星影像。

主权项

1.一种基于混合损失函数约束的卫星影像超分辨率重建方法，其特征在于，包括以下步骤：步骤1：选取若干卫星影像数据作为训练样本，从每帧影像中截取大小为N×N像素的图像块作为数据样本，同时将其下采样n倍得到对应大小为M×M的低分辨率图像块，作为残差网络的输入，其中N＝n×M；步骤2：通过卷积核提取图像特征；步骤3：将每个残差块的输出信息传入到非局部块，对输入进行特征增强处理；步骤4：将获得的特征信息输入到重构层，同时分阶段用L1和L2范数作为网络的损失函数，优化网络的参数，输出得到残差图；步骤5：同时将原始的输入插值放大，获得与高清图像同等尺寸的插值图像；步骤6：将插值图像与残差网络学习到的残差图像相加，得到最终的超分辨率输出图像。