遥感图像分级监督超分辨率重构方法、系统、设备及介质

本发明涉及图像超分辨率重构，更具体的说是涉及一种遥感图像超分辨率重构方法、系统、设备及介质。

背景技术：

1、高分辨率遥感图像在资源勘探、环境监测、城乡规划、变化检测等领域具有广泛的应用，为实现更精确的信息提取和分析提供了重要的数据基础。然而受限于信号传输带宽与成像传感器等限制，遥感成像设备所获取到的图像通常具有较低的空间分辨率，这一问题制约了遥感应用的精度和效果。在硬件水平上提高遥感图像分辨率成本高、耗时长，因此图像超分辨率重构技术具有较大的研究与应用价值。

2、图像超分辨率重构技术以同一场景中的一张或多张低分辨率图像为输入，结合图像的先验知识，重构出一张高分辨率图像。这一技术能够在不改变现有硬件设备的前提下，有效提升图像分辨率。同时，深度学习的发展为遥感图像超分辨率重构技术提供了新的技术手段。然而，现有超分辨率重构方法采用的上采样技术易产生细节模糊问题。

3、因此，如何摆脱现有上采样技术构建一种图像超分辨率深度网络，以提升低分辨率遥感图像的质量与细节是本领域技术人员亟需解决的问题。

技术实现思路

1、为了解决上述现有技术中存在的不足，本发明针对当前高光谱遥感图像条带噪声去除问题，提供了一种自适应联合滤波方案对高光谱图像条带噪声进行去除。

2、为了实现上述目的，本发明提出一种遥感图像分级监督超分辨率重构方法，包括以下步骤：

3、获取高分辨率原始遥感图像，进行预处理，得到多组亚像素遥感图像；

4、构建亚像素遥感图像重构网络，并分别采用低分辨率遥感图像与一组亚像素遥感图像作为输入与真值进行预训练；

5、构建无上采样遥感图像超分辨率网络，将经过预训练得到的亚像素遥感图像重构网络参数进行共享，并使用多组亚像素图像进行调优；

6、构建多级监督无上采样超分辨率网络，将经过调优得到的无上采样遥感图像超分辨率网络参数进行共享，分别使用中间分辨率遥感图像与高分辨率原始遥感图像作为真值进行训练，完成遥感图像超分辨率重构模型构建；

7、基于遥感图像超分辨率重构模型，输入需要提高分辨率的遥感图像进行超分辨率重构，得到高分辨率遥感图像。

8、而且，所述进行预处理得到多组亚像素遥感图像，通过对高分辨率原始遥感图像进行亚像素卷积实现。

9、而且，构建亚像素遥感图像重构网络，并进行预训练，实现方式如下，

10、构建亚像素遥感图像重构网络；

11、对高分辨率原始遥感图像先后做两次下采样，对应得到中间分辨率遥感图像与低分辨率遥感图像；

12、将低分辨率遥感图像作为输入，一组亚像素遥感图像作为真值，对亚像素遥感图像重构网络进行训练。

13、而且，所述无上采样遥感图像超分辨率网络，包括并联的多组亚像素遥感图像重构网络，并在结尾处通过卷积层串联，增强网络的超分辨率重构能力。

14、而且，无上采样遥感图像超分辨率网络的损失函数由两级监督损失组成，包括特征提取器部分的损失函数和平滑层部分的损失函数。

15、而且，多级监督无上采样超分辨率网络包括串联的多个无上采样遥感图像超分辨率网络，网络的损失函数由各级网络的单级损失函数加权组成。

16、而且，多级监督无上采样超分辨率网络包括串联的两级无上采样遥感图像超分辨率网络。

17、另一方面，本发明还提供一种遥感图像分级监督超分辨率重构系统，包括以下模块，

18、图像获取模块，用于获取高分辨率原始遥感图像，进行预处理，得到多组亚像素遥感图像；

19、亚像素遥感图像重构网络构建模块，用于构建亚像素遥感图像重构网络，并分别采用低分辨率遥感图像与一组亚像素遥感图像作为输入与真值进行预训练；

20、无上采样遥感图像超分辨率网络构建模块，用于构建无上采样遥感图像超分辨率网络，将经过预训练得到的亚像素遥感图像重构网络参数进行共享，并使用多组亚像素图像进行调优；

21、多级监督无上采样超分辨率网络构建模块，用于构建多级监督无上采样超分辨率网络，将经过调优得到的无上采样遥感图像超分辨率网络参数进行共享，分别使用中间分辨率遥感图像与高分辨率原始遥感图像作为真值进行训练，完成遥感图像超分辨率重构模型构建；

22、超分辨率重构输出模块，用于基于遥感图像超分辨率重构模型，输入需要提高分辨率的遥感图像进行超分辨率重构，得到高分辨率遥感图像；

23、另一方面，本发明还提供一种电子设备，包括存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如上所述的遥感图像分级监督超分辨率重构方法。

24、另一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上所述的遥感图像分级监督超分辨率重构方法。

25、本发明采用无上采样方式构建深度网络模型，提高网络模型在超分辨率重构过程中的细节保留度；采用多级监督的方式构建并训练网络，提升网络在训练过程中对真值的学习能力，增强遥感图像超分辨率重构的细节与质量。

26、本发明方案实施简单方便，实用性强，解决了相关技术存在的实用性低及实际应用不便的问题，能够提高用户体验，具有重要的市场价值。

技术特征：

1.一种遥感图像分级监督超分辨率重构方法，其特征在于，包括以下步骤：

2.根据权利要求1所述一种遥感图像分级监督超分辨率重构方法，其特征在于：所述进行预处理得到多组亚像素遥感图像，通过对高分辨率原始遥感图像进行亚像素卷积实现。

3.根据权利要求1所述一种遥感图像分级监督超分辨率重构方法，其特征在于：构建亚像素遥感图像重构网络，并进行预训练，实现方式如下，

4.根据权利要求1所述一种遥感图像分级监督超分辨率重构方法，其特征在于：所述无上采样遥感图像超分辨率网络，包括并联的多组亚像素遥感图像重构网络，并在结尾处通过卷积层串联，增强网络的超分辨率重构能力。

5.根据权利要求4所述的一种遥感图像分级监督超分辨率重构方法，其特征在于：无上采样遥感图像超分辨率网络的损失函数由两级监督损失组成，包括特征提取器部分的损失函数和平滑层部分的损失函数。

6.根据权利要求1所述的一种遥感图像分级监督超分辨率重构方法，其特征在于：多级监督无上采样超分辨率网络包括串联的多个无上采样遥感图像超分辨率网络，网络的损失函数由各级网络的单级损失函数加权组成。

7.根据权利要求6所述的一种遥感图像分级监督超分辨率重构方法，其特征在于：多级监督无上采样超分辨率网络包括串联的两级无上采样遥感图像超分辨率网络。

8.一种遥感图像分级监督超分辨率重构系统，其特征在于，包括以下模块，

9.一种电子设备，其特征在于：包括存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至7任一项所述的遥感图像分级监督超分辨率重构方法。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于：该计算机程序被处理器执行时实现如权利要求1至7任一项所述的遥感图像分级监督超分辨率重构方法。

技术总结
本发明公开了一种遥感图像分级监督超分辨率重构方法、系统、设备及介质，包括获取高分辨率原始遥感图像，进行预处理，得到多组亚像素遥感图像；构建亚像素遥感图像重构网络，并分别采用低分辨率遥感图像与一组亚像素遥感图像作为输入与真值进行预训练；构建无上采样遥感图像超分辨率网络，并使用多组亚像素图像进行调优；构建多级监督无上采样超分辨率网络，分别使用中间分辨率遥感图像与高分辨率原始遥感图像作为真值进行训练；基于遥感图像超分辨率重构模型，输入需要提高分辨率的遥感图像进行超分辨率重构，得到高分辨率遥感图像。本发明通过采用分级监督与无上采样的超分辨率重构深度网络，可提升遥感图像的超分辨率重构质量与细节。

技术研发人员：刘方坚,王密,张昊楠,赵简平,董滕滕
受保护的技术使用者：武汉大学
技术研发日：
技术公布日：2024/3/24