[发明专利]一种建筑垃圾遥感图像样本的生成方法

权利要求书

1.一种建筑垃圾遥感图像样本的生成方法，其特征在于，包括：

S1、遥感图像预处理制作样本数据集

S1.1、正射校正

正射校正时输入数据选择多光谱数据，DEM数据选择全球分辨率为900米的DEM数据，输出像元大小为4米，重采样方法为三次卷积法，输出像元大小为1米；

S1.2、图像融合

首先以全色数据为基准对多光谱数据进行配准，配准后多光谱数据的存储格式如果是BSQ，将其转化为BIL，提高融合效率；

S1.3、图像利用分类

将图像进行非监督土地利用分类，生成土地利用分类标注图；

S1.4、减少通道

检查融合后图像是否为四通道，若为四通道，则将图像通道融合转化为三通道；

S1.5、剪裁

将土地利用分类标注图与三通道遥感图像均剪裁为256×256；

S1.6、筛选样本

将裁好的图像进行对比查看，选出土地利用分类标注图中标记为建筑垃圾的图像，并根据图名对应，找到相应的三通道遥感图像；

S1.7、制作样本数据集

将筛选好的三通道遥感图像样本以7:3的比例生成训练集与测试集；

S2、对样本数据集进行优化调整，生成样本

S2.1、对比度调整

首先对图像的灰度图像进行自适应直方图均衡化，并使用通过RGB转Lab方法替换为均衡化图像的亮度通道进行图像融合；

S2.2、网络架构

使用全卷积网络

生成器网络与判别器网络均使用全卷积网络，不使用全连接层，生成器共六层卷积网络，第一层网络结构设置为8×8×256，第二层16×16×128，第三层为32×32×64，第四层为64×64×32，第五层为128×128×16，第六层为256×256×3，

判别器共四层，第一层网络结构设置为64×64×32，第二层32×32×64，第三层为16×16×128，第四层为8×8×256，每层包含leaky_relu层，且判别器不使用Sigmoid函数；

S3、损失函数设计

由于遥感图像颜色分布与纹理分布存在规律，所以在网络的损失函数中增加颜色与纹理约束，

判别器网络损失函数仍使用原始WGAN（Wasserstein Generative AdversarialNetworks）网络损失函数，生成器网络损失函数在原始WGAN网络基础上增加LBP距离运算，网络损失函数如下所示：

其中：分别表示原始图像与生成图像，表示判别器认为该图像为真的概率；N为一次输入图像的量，W与H表示单幅图像宽与高，与为原始图像与生成图像各点LBP值。

2.根据权利要求1所述的建筑垃圾遥感图像样本的生成方法，其特征在于，所述步骤S1.2中，图像融合时多光谱和全色数据的空间分辨率重采样设置为4米和1米。

3.根据权利要求1所述的建筑垃圾遥感图像样本的生成方法，其特征在于，还包括快速大气校正的步骤，以消除或减弱了大气的影响。

4.根据权利要求1所述的建筑垃圾遥感图像样本的生成方法，其特征在于，所述步骤S2.1具体包括如下：

S2.1.1、自适应直方图均衡化

通过自适应直方图均衡化增加局部区域的对比度，有效的抑制了噪声的产生，使原图中大部分像素落在低灰度值这一特性得以保持，而整体的灰度值分布又有一定的扩展；

S2.1.2、图像融合

为了保证最后生成图像为全彩色图像，将灰度图像与原始图像进行融合；

S2.1.3、颜色空间转换

将未进行自适应直方图均衡化的原始图像通过RGB转Lab方法将亮度通道分离出来；

S2.1.4、亮度通道替换

颜色空间转换之后，将RGB图的L通道替换为自适应直方图均衡化结果灰度图的L通道；

S2.1.5、颜色空间逆变换

将替换后图像数据从Lab空间转换回RGB色彩空间。