[发明专利]基于卷积神经网络的光学遥感图像的色彩重建方法

摘要

本发明公开了一种基于卷积神经网络的光学遥感图像的色彩重建方法，主要解决了现有方法对遥感图像进行色彩重建时无法真实反映地物颜色的问题。其方案为：分别从网上下载公开的遥感图像分类数据集和彩色遥感图像；在遥感图像分类数据集上构造训练集和测试集，并用训练集训练一个分类网络用来提取遥感地物特征；利用彩色遥感图像分别获取灰度遥感图像和颜色不正常的彩色遥感图像，并用其训练由生成网络和判别网络构成的生成对抗网络，得到训练好的生成网络；将灰度遥感图像输入到训练好的生成网络，得到色彩重建后的彩色遥感图像。本发明实现了遥感图像的色彩重建，得到的彩色图像能真实反映地物特征，可用于遥感图像的地物分类，目标检测任务中。

主权项

1.一种基于卷积神经网络的光学遥感图像色彩重建方法，其特征在于，包括如下：/n(1)从网站上分别获取公开的遥感图像分类数据集Y和彩色遥感图像X1，并对彩色遥感图像做灰度处理得到灰度遥感图像X2；再对彩色遥感图像依次做模糊、加噪、颜色偏移和通道顺序打乱操作，获取颜色不正常的彩色遥感图像X3；/n(2)使用VGG-19网络在遥感图像分类数据集上针对不同类别提取特征；/n(2.1)将遥感图像分类数据集Y中的80％作为训练集A，其余20％作为测试集B；/n(2.2)从网络上下载在ImageNet数据集上训练好的VGG-19网络模型的权重参数，将其设置为VGG-19网络的初始化参数，并设初始学习率为0.0001，使用Adam算法，在训练集A上继续训练VGG-19网络，直到该网络的分类精度不再提高为止，得到在训练集A上训练好的VGG-19网络模型的权重参数；/n(2.3)将在训练集A上训练好的VGG-19网络的conv4-4层以前的结构作为特征提取网络，用来提取不同类别的特征；/n(3)对由生成网络和判别网络组成的生成对抗网络进行训练：/n(3.1)将(2.2)得到的训练好的特征提取网络模型的权重参数加载到(2.3)得到的特征提取网络上；/n(3.2)训练生成网络得到保留遥感图像细节的生成网络；/n设初始学习率为0.001，学习率每5轮衰减0.1，生成网络的特征损失函数为f_loss＝l