[发明专利]一种图像锐化方法、电子设备及计算机可读存储介质

权利要求书

1.一种图像锐化方法，其特征在于，主要包括以下步骤：

S1、获取原始图像数据,所述的原始图像数据包括多光谱图像以及与其完全配准的全色图像

其中h₁和w₁表示多光谱图像的高和宽，

h₂和w₂表示全色图像的高和宽，b表示光谱通道数；

S2、对所述原始图像数据进行预处理，基于所述多光谱图像和所述全色图像构建训练集和测试集；

S3、构建高低频信息分离整合卷积神经网络模型，包括低频信息整合和高频信息整合，所述高低频信息分离整合卷积神经网络模型采用线性整流函数作为激活函数；

S4、初始化所述高低频信息分离整合卷积神经网络模型，包括参数权重矩阵W、偏置矩阵B和损失误差阈值；

S5、基于所述训练集，通过所述高低频信息分离整合卷积神经网络模型获取预测图像；

S6、基于所述预测图像，计算损失误差，所述损失误差大于等于所述损失误差阈值时，重复步骤S5至步骤S6；

S7、当所述损失误差小于所述损失误差阈值时，停止学习，所述高低频信息分离整合卷积神经网络模型得到最优权重矩阵W和最优偏置矩阵B；

S8、基于所述测试集，测试所述具有最优参数的高低频信息分离整合卷积神经网络模型，输出高空间分辨率的多光谱图像。

2.根据权利要求1所述的一种图像锐化方法，其特征在于，所述多光谱图像和所述全色图像的空间分辨率需满足以下条件:

h₂＝rh₁、w₂＝rw₁，

其中r表示全色图像与多光谱图像的空间分辨率之比。

3.根据权利要求1所述的一种图像锐化方法，其特征在于，所述预处理包括以下步骤：

S2.1、对所述原始多光谱图像和原始全色图像进行平滑处理，获得第一多光谱图像和第一全色图像；

S2.2、基于所述处理结果进行下采样，获取低分辨率的第二多光谱图像和第二全色图像其中r为下采样率；

S2.3、基于所述第二多光谱图像和第二全色图像，使用多项式插值法进行尺度为r的上采样，获取恢复空间分辨率的第三多光谱图像

4.根据权利要求3所述的一种图像锐化方法，其特征在于，所述训练集构建方法如下：

获取第三多光谱图像部分区域以及在第二全色图像对应部分区域作为训练区域，和构成训练集。

5.根据权利要求3所述的一种图像锐化方法，其特征在于，所述测试集构建方法如下：

获取第三多光谱图像剩余部分区域以及在第二全色图像的对应的部分区域作为测试区域，并且构成测试集。