[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

说明书

一种基于对抗神经网络模型的遥感图像处理方法及系统，通过利用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数据构建对抗神经网络模型，再对模型进行反复训练更新，可获取接近标准遥感图像的卫星遥感图像，突破了传统模型的限制，不依赖于设计者的先验知识，自动化、实时化的完成多平台、多光谱、多时相、大范围遥感影像地物分类和变化信息的检测，处理流程清晰，自动化程度高。

技术领域

本发明涉及一种基于对抗神经网络模型的遥感图像处理方法及系统，属于可见光遥感图像计算机解译领域。

背景技术

遥感观测技术是指利用遥感技术和遥感设备，对地表覆盖和自然现象进行观测的人造卫星，主要应用于国土资源勘查、环境监测与保护、城市规划、农作物估产、防灾减灾和空间科学试验等领域，与人们生活也密切相关。

目前我国已经发射了多颗高分辨率光学卫星，并积累了海量的数据，目前主流的光学国产卫星有GF1、GF2、ZY302、GF1B、GF1C、GF1 D、GF6，未来仍旧发射多颗光学遥感卫星ZY02D及GF7，但是国产卫星载荷在色调上存在差异，因此卫星数据色彩变化拉伸是卫星领域研究一个重要的内容。

遥感数字图像色彩变化的主要目的是将遥感图像由于质量和载荷差异导致的偏色消除，目前遥感图像仍然较多的需要人工调色，由于质量和载荷差异导致的偏色较为明显，同时人工工作量也较大。

发明内容

本发明解决的技术问题是：针对目前现有技术中，人工进行图像调色时容易造成偏色及图片差异的问题，提出了一种基于对抗神经网络模型的遥感图像处理方法。

本发明解决上述技术问题是通过如下技术方案予以实现的：

一种基于对抗神经网络模型的遥感图像处理方法，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。

一种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。

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

本发明与现有技术相比的优点在于：