[发明专利]一种基于对抗神经网络模型的遥感图像处理方法及系统

权利要求书

1.一种基于对抗神经网络模型的遥感图像处理方法，其特征在于步骤如下：

(1)将所选包含同种地物标记的卫星遥感图像及标准遥感图像作为训练图像数据，利用训练图像数据以Pytorch框架为基础，预设框架参数并构建对抗神经网络模型；

(2)以所选同种地物标记的卫星遥感图像作为对抗神经网络模型输入图像，将对抗神经网络模型输出的遥感信息图像及标准遥感图像进行对比，根据标准遥感图像判定标准判断遥感信息图像是否符合可用，若可用，则作为输出图像发送给用户，若不可用，则进入步骤(3)；

(3)调整并优化对抗神经网络模型的框架参数，并继续以同种地物标记的卫星遥感图像作为对抗神经网络模型输入图像，对输出的遥感信息图像及标准遥感图像进行对比，若可用，则作为输出图像发送给用户，若不可用，继续调整对抗神经网络模型的框架参数直至遥感信息图像可用；

所述对抗神经网络模型可根据地物标记种类对输入的卫星遥感图像进行标记，并根据标记后的卫星遥感图像输出遥感影像色彩变换后的遥感信息图像；

所述对抗神经网络模型可根据地物标记种类对输入的卫星遥感图像进行标记，并根据标记后的不相同分辨率的卫星遥感图像输出清晰度满足需求的遥感信息图像；

基于对抗神经网络模型的遥感图像处理系统，包括生成器模块、判别器模块，其中：

生成器模块：接收所选同种地物标记的卫星遥感图像并根据模型预设参数生成遥感信息图像；同时若接收到继续训练指令，则调整模型预设参数并重新利用同种地物标记的卫星遥感图像生成遥感信息图像，直至不再收到继续训练指令；

判别器模块：对生成器模块生成的遥感信息图像及由外部接收的同种地物标记的标准遥感图像进行对比，若遥感信息图像满足标准遥感图像判定标准，则将该遥感信息图像向外输出，否则向生成器模块发送继续训练指令；

其中，在Pytorch框架下逐层搭建纯卷积神经网络，生成对抗神经网络，包括生成器模块G、判别器模块D，数据域分别为X,Y，G负责将数据域X中的数据模仿为真实数据并隐藏于真实数据中，判别器模块D将模仿数据与真实数据进行区分，生成器模块G、判别器模块D持续工作直至判别器模块D不能分辨出生成器模块G生成的模仿数据与真实数据区别为止；

对抗神经网络中，采用所选样本地表区的多时相遥感图像和人工绘制的标准遥感信息图像作为输入，输出图像于对抗神经网络中进行训练后，逐步接近准遥感信息图像以实现图像处理效果的提升；

对抗神经网络中，根据均匀分布原则对所有神经网络的权重进行初始化，具体权重根据任务需求确定，将所选同种地物标记的卫星遥感图像作为对抗神经网络模型输入图像，将对应的标准遥感图像共同作为训练数据输入到神经网络中并进行多层卷积操作，对比神经网络的生成器输出图片和判别器标准图片，确认是否可用，若可用即可输出，否则利用误差反向传播算法调整网络的权重和偏置，重新进行多层卷积操作，记录此时的网络参数并进行调优直至模型训练完毕。