[发明专利]一种融合SAR的可见光遥感图像去雾方法

说明书

本发明提出的一种融合SAR的可见光遥感图像去雾方法，该方法具体包括以下步骤：步骤1：选取同一区域同一时间段的SAR图像和光学遥感图像，以此构建光学‑SAR遥感图像去雾数据集，将该数据集划分为训练集、验证集；步骤2：构建条件生成对抗卷积神经网络作为去雾模型，该模型由生成网络和判别网络两部分构成；步骤3：联合训练去雾模型；步骤4：利用训练完毕的去雾模型对可见光遥感图像去雾。本发明通过一个条件生成对抗网络直接学习有雾图像到清晰图像之间的映射关系，可实现端到端的去雾；并且融合SAR信息，实现去雾的视觉增强；采用级联的残差膨胀卷积块结构，可对去雾模型进行有监督的学习，实现高效去雾。

技术领域

本发明涉及一种融合SAR(孔径雷达)的可见光遥感图像去雾方法，属于遥感图像处理技术领域。

背景技术

光学遥感图像不仅可以提供丰富的地物信息，还具备光谱特性，在环境、监测、军事、测绘等领域发挥十分重要的作用。然而，光学遥感图像会经常受到雾的干扰，造成图像中地物模糊不清、感兴趣区域信息丢失，这不仅严重影响人眼对图像数据的判读，同时也影响了遥感数据的自动解译。

对遥感图像进行去雾研究可以提高图像的质量，从而为后续的遥感图像处理和应用提供保障。许多遥感图像的去雾方法已经被提出，这些方法主要针对GoogleEarth图像或者多光谱图像中的可见光波段，但是，大气中存在的雾或霾会导致被覆盖区域信息的丢失，本质上，去雾很难增强丢失的覆盖区域信息。例如中国专利：一种基于卷积神经网络的多光谱遥感图像去雾方法(申请号：CN201710452054.5，公开号：CN107256541A)，该方法包括如下步骤：步骤1、多光谱图像去雾波段选择；步骤2、建立去雾模型；步骤3、设计卷积神经网络；步骤4、训练卷积神经网络；步骤5、多光谱遥感图像去雾。本发明通过一个卷积神经网络直接学习有雾图像到清晰图像之间的映射关系，可实现端到端的去雾；其卷积网络采用级联的残差结构，可对去雾模型进行有参考的学习，并实现逐步去雾。但是该方法的网络结构较为简单，并且没有其余数据源的细节补充，因此效果不够优良。

另一方面，除了光学RGB三通道图像外，遥感图像还包括近红外、多光谱、合成孔径雷达(SAR)等，它们可反映景观和物体特征的不同波段信息。其中，SAR图像使用数学技术，将来自多个相邻实时雷达脉冲的反射信号相位和幅度信息作为时间的函数进行组合，以构建高分辨率图像。由于SAR具有全天候和全天时的特征，即使面对极低的能见度天气，SAR图像也具有清晰成像的能力。因此，在光学遥感图像的解释性和可用性受到限制时，SAR图像可以作为恶劣天气(如阴天或下雪)下目标区域光学信息的补充，其实际应用前景广阔。但是，SAR和RGB图像通常具有不同的模式，不同的分辨率，不同的反射角度和不同的时区。因此，在除雾任务中很难有效融合SAR信息。

发明内容

本发明的目的是为了克服已有技术的不足之处，提供一种融合SAR的可见光遥感图像去雾方法，用来实现光学图像的雾去除，提升图像质量。

本发明为解决上述问题采取的技术方案是：

本发明提出的一种融合SAR的可见光遥感图像去雾方法，其特征在于，该方法具体包括以下步骤：

步骤1：构建光学-SAR遥感图像去雾数据集

在无雾条件下采集相同区域、相同时段的SAR图像A和光学遥感图像B，对其中的光学遥感图像B进行加雾得到有雾的光学遥感图像C，将图像A、B、C中相同地理位置相同的像素对齐得到重叠区域；利用滑动窗将重叠区域内的图像A、B、C裁剪成大小相同的若干图像块，将地理区域相同的一个有雾光学遥感图像块c、一个无雾光学遥感图像块a和一个无雾SAR图像块b构成一个图像单元，利用所有图像单元构建光学-SAR遥感图像去雾数据集；将该数据集划分为训练集、验证集；

步骤2：构建条件生成对抗卷积神经网络作为去雾模型，该模型由生成网络和判别网络两部分构成

步骤2-1：构建生成网络