[发明专利]一种基于SRCNN的微波遥感图像超分辨率重建方法

说明书

本发明公开了一种基于SRCNN的微波遥感图像超分辨率重建方法，属于微波遥感及探测技术。本发明首先模拟微波遥感流程，正演产生高分辨率微波遥感图像TB和低分辨率微波遥感图像TA组成数据集；之后预处理数据集，产生SRCNN训练集；再基于SRCNN训练集构建五层深度卷积神经网络；最后将待处理的低分辨率微波遥感图像输入到构建好的五层深度卷积神经网络，所述深度卷积神经网络的第四层输出即为重建后的高分辨率微波遥感图像。本发明能够有效的降低了重建中的计算复杂度以及不需要准确的天线方向图，是一种新型的微波遥感图像重建方法，能更高效实时地重建原始场景的亮温图像。

技术领域

本发明属于微波遥感及探测技术领域，更具体地，涉及一种基于 SRCNN的微波遥感图像超分辨率重建方法。

背景技术

微波遥感是一种极其重要的遥感技术，具有全天时、全天候的特点， 相对于可见光与红外遥感而言，具有较深的穿透能力。卫星微波遥感具有 覆盖时空范围广、探测信息量大、探测频率高等许多独特的优点。随着国 内近年来对星载辐射计应用研究的深入，星载微波辐射计在卫星微波遥感 中的作用越发重要。星载微波辐射计可以用于大气环境的各种要素探测。 在气象领域能够监测大气温湿廓线、云底高度、云中液氮水、强对流、龙 卷风、云中固态水和降水率等气象信息，为民用、军用气象预报提供有力 支撑。

星载微波辐射计的空间分辨率主要取决于天线的半功率波束宽度和卫 星的高度。天线的半功率波束宽度与探测波长和天线孔径有关，微波辐射 计的探测频率越高，天线口径越大，空间分辨率越高。然而星载辐射计普 遍的低空间分辨率限制了在反演地表参数以及气候气象中的作用。目前， 提升星载辐射计的空间分辨率主要有两种措施：一方面是从物理技术角度， 提升天线的口径，但是星载辐射计天线口径受制于火箭的空间容量，存在 口径大小的极限；另一方面则是从数据处理的角度，利用已有的数据和事 先测得的天线方向图，将高分辨率的图像通过反卷积技术恢复出来，目前 一般采用BG，SIR算法，但是这些算法会有一定误差而且这些算法耗时较 长。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于SRCNN 的微波遥感图像超分辨率重建方法，其目的在于从监督学习选取的角度阐 明微波遥感图像超分辨重建问题，由此解决目前方法复杂度较高而且需要 知道具体的天线方向图的技术问题。

为实现上述目的，本发明提供了一种基于SRCNN的微波遥感图像超分 辨率重建方法，所示方法包括：

(1)模拟微波遥感流程，正演产生高分辨率微波遥感图像TB和低分 辨率微波遥感图像TA组成数据集；

(2)预处理数据集，产生SRCNN训练集；

(3)基于SRCNN训练集构建五层深度卷积神经网络；

(4)将待处理的低分辨率微波遥感图像输入到构建好的五层深度卷积 神经网络，所述深度卷积神经网络的第四层输出即为重建后的高分辨率微 波遥感图像。

进一步地，所述步骤(1)具体为：基于微波辐射传输RT模式正演产 生高分辨率微波遥感图像TB，将高分辨率微波遥感图像TB输入到辐射计 正向观测模型模拟计算实际观测的低分辨率微波遥感图像TA。

进一步地，所述步骤(2)具体包括：

(21)对TA进行像素插值得到TC，使得TC和TB的像素数量相同；

(22)分别对TB与TC进行分割得到图像集合TD与TE，使得TD与 TE中的图像大小为Z×Z，Z为预设值，35<Z<45，优选Z＝40；

(23)打乱TD与TE中图像的排列顺序，TD与TE选取各自前M个 图像分别作为训练数据集合中的样本集TDm和标签集TEm，TD与TE中各 自剩下的图像分别作为测试数据集合中的样本集TDn和标签集TEn。