[发明专利]一种基于卷积神经网络的遥感图像噪声抑制方法

权利要求书

1.一种基于卷积神经网络的遥感图像噪声抑制方法，其特征在于，该抑制方法包括如下步骤：

步骤S1、构建卷积神经网络模型，所述卷积神经网络模型包括：依次相连接的输入层、隐含层和输出层；所述隐含层由以下组成：三个依次相连接的Inception模块，在第三个所述Inception模块后设置有两个相连接的卷积层；各所述Inception模块均包括：并行的第一子模块和第二子模块，以及设置在第一子模块和第二子模块后的一个拼接层；

步骤S2、训练所述步骤S1中的卷积神经网络模型，得训练后的卷积神经网络模型；

步骤S3、将待处理的遥感图像输入训练后的卷积神经网络模型，输出去噪后的遥感图像。

2.根据权利要求1所述的一种基于卷积神经网络的遥感图像噪声抑制方法，其特征在于，所述第一子模块包括两个相连接的单元，每一个单元均包括依次相连接的一个卷积层、一个批量正则化层和一个修正线性单元ReLU；

所述第二子模块包括依次相连接的一个卷积层、一个批量正则化层和一个修正线性单元ReLU。

3.根据权利要求2所述的一种基于卷积神经网络的遥感图像噪声抑制方法，其特征在于，每一个单元中的所述卷积层为卷积核为3×3的卷积层。

4.根据权利要求1、2或3所述的一种基于卷积神经网络的遥感图像噪声抑制方法，其特征在于，在所述步骤S3中，待处理的遥感图像输入第一个Inception模块中的两个子模块中，遥感图像经过两个子模块的处理，分别独立输出，输出两个不同的特征图，两个特征图经过拼接层的连接，输出一个总的第一特征图；所述第一特征图输入第二个Inception模块，输出两个不同的特征图，两个特征图经过拼接层的连接，输出一个总的第二特征图；所述第二特征图输入第三个Inception模块，输出两个不同的特征图，两个特征图经过拼接层的连接，输出一个总的第三特征图，将第三特征图输入后端的卷积层，依次通过两个卷积层，输出噪声抑制处理后的遥感图像。

5.根据权利要求4所述的一种基于卷积神经网络的遥感图像噪声抑制方法，其特征在于，在所述步骤S2中，选用目标遥感图像总体的10％～20％作为训练集，进行卷积神经网络的训练，训练过程中，采用Adam学习算法对所述卷积神经网络进行优化，最大训练次数不低于300次，学习速率规定为训练前300次时为0.001，训练300次之后为0.0001，记录取得最佳噪声抑制性能时的卷积神经网络的参数，得到训练后的卷积神经网络。

6.根据权利要求5所述的一种基于卷积神经网络的遥感图像噪声抑制方法，其特征在于，将待处理的遥感图像输入训练后的卷积神经网络模型前，对待处理的遥感图像进行预处理，具体为添加模拟噪声。

7.根据权利要求5或6所述的一种基于卷积神经网络的遥感图像噪声抑制方法，其特征在于，待处理的所述遥感图像为灰度图像、RGB图像、多光谱图像、高光谱图像。

8.根据权利要求1、2或3所述的一种基于卷积神经网络的遥感图像噪声抑制方法，其特征在于，将待处理的遥感图像输入训练后的卷积神经网络模型前，对待处理的遥感图像进行预处理，具体为添加模拟噪声。