[发明专利]基于遗传算法的卫星图像预处理方法

权利要求书

1.一种基于遗传算法的卫星图像预处理方法，其特征在于，包括如下：

(1)读取卫星图像中的训练数据集，包括RGB训练数据集和八波段多光谱MSI训练数据集，并对这两种数据集中的图像进行相同的标签去噪和数据增强的初步处理；

(2)基于遗传算法对初步处理后的RGB训练数据集进行地物类别平衡，得到类别分布平衡后的RGB数据集，并从八波段多光谱MSI训练数据集中选取与平衡后的RGB数据集中名称一样的图像组成平衡后的八波段多光谱MSI数据集；

(3)将平衡后的RGB数据集中的RGB图像与平衡后的八波段多光谱MSI数据集中相应的八波段多光谱MSI图像进行通道融合，生成新通道的训练样本；实现如下：

(3a)将与RGB图像的G通道与八波段多光谱图像MSI的近红外波段(V-NIR)进行加权融合，得到新通道CH_new：

CH_new＝CH(G)×P+CH(V-NIR)×(1-P)

其中，P为权重，取0.8；

(3b)将原来的RGB图像G通道替换为CH_new，保留R通道和B通道，生成新的图像；

(4)将训练样本送入现有的图像级联网络ICNet进行训练，得到训练好的语义分割模型；

(5)读取卫星图像中的测试数据集，包括RGB测试数据集和八波段多光谱MSI测试数据集，并对其中的八波段多光谱MSI测试数据集进行阴影位置检测，取出阴影部分的位置；实现如下：

(5a)提取八波段多光谱MSI图像中的近红外波段、红色边缘波段和黄色波段3个通道；

(5b)将近红外波段的数值范围归一化到[0,255]，并向下取整，置为新图像的第一个通道；

(5c)将红色边缘波段的数值范围归一化到[0,255]，并向下取整，置为新图像的第二个通道；

(5d)将黄色波段的数值范围归一化到[0,255]，并向下取整，置为新图像的第三个通道；

(5e)寻找并记录上述三个通道生成的新图像中像素值在(0,0,0)到(10,21,16)范围内位置，即为阴影位置；

(6)按照(3)的方法将RGB测试数据集与MSI测试数据集中的对应图像融合生成新的测试样本，并将其送入由(4)得到的语义分割模型，获得语义分割结果；

(7)使用(5)得到的阴影位置的像素值对(6)得到的语义分割结果进行修正，得到经卫星图像优化后的语义分割结果，完成对卫星图像的预处理；实现如下：

(7a)取出(5)得到的阴影位置的像素值；

(7b)依据阴影位置的像素值修正(6)得到的语义分割结果：

如果阴影位置的像素值为(0,255,64～100)，则将语义分割结果的对应位置修正为建筑物；

如果阴影位置的像素值为(0,255,127)，则将语义分割结果的对应位置修正为地面；

如果阴影位置的像素值为(0,0,127)，则将语义分割结果的对应位置修正为高植被。

2.根据权利要求1所述的方法，其特征在于，(1)中对RGB训练数据集和八波段多光谱MSI训练数据集的图像进行初步处理，实现如下：

(1a)删除RGB训练数据集和八波段多光谱MSI训练数据集中含有大量未标记标签的数据，对数据进行去噪操作；

(1b)统计RGB训练数据集中各个类别的像素数量c[m]，计算RGB训练数据集所有类别像素数量的总和C：

其中，m为类别标号，且m∈M，M为该卫星图像的类别总数；

(1c)计算RGB训练数据集中各个类别像素数量c[m]与所有类别像素数量的总和C的比值：

(1d)对满足的类别先进行水平或垂直翻转的变换，再进行亮度或饱和度的变换，以此增强数据；

(1e)对去噪后的八波段多光谱MSI训练数据集同样进行(1d)操作，得到初步处理后的八波段多光谱MSI训练数据集。