[发明专利]基于对偶深度神经网络的高光谱遥感图像去噪方法

权利要求书

1.基于对偶深度神经网络的高光谱遥感图像去噪方法，其特征在于，包括以下步骤：

S1：单独构建两个结构完全相同的卷积神经网络，其中，两个卷积神经网络分别为F(I_V)、F(I_u)，F(I_V)针对参考图像，用于提取参考图像I_V中的特征信息；F(I_u)针对噪声图像，用于提取目标图像I_u中的特征信息；

S2：基于参考图像和噪声图像训练F(I_V)和F(I_u)；

S3：把针对噪声图像的F(I_u)中的激活函数替换成新定义的激活函数，其中，新定义的激活函数的公式为

式中X_U和X_V分别是由卷积层提取出的噪声图像与参考图像的特征信息，leak为参数；

S4：把F(I_V)的信息X_V输入到F(I_u)对应的特征层X_U，让两个对偶网络通过激活函数公式建立连接；

S5：把参考图像I_V和噪声图像I_u分别输入所述步骤S4构造的对偶网络，得到除噪声结果

2.根据权利要求1所述的基于对偶深度神经网络的高光谱遥感图像去噪方法，其特征在于，当X_U和X_V全大于等于0时，被ReLU激活函数完全激活；当X_U小于0，X_V大于等于0时，X_U中的部分信息被Leak-ReLU激活函数激活；当X_V小于0时，X_U等于0。

3.根据权利要求1所述的基于对偶深度神经网络的高光谱遥感图像去噪方法，其特征在于，卷积神经网络内的操作分为两部分：线性操作与非线性操作。

4.根据权利要求1所述的基于对偶深度神经网络的高光谱遥感图像去噪方法，其特征在于，通过非线性层将F(I_V)中的卷积层生成的特征信息X_V引入F(I_u)中，具体流程为：

将F(I_V)卷积层得到的X_V构建一个双分支结构，第一个分支继续进入子网F(I_V)内，等待非线性激活；

第二个分支进入子网F(I_u)中，与F(I_u)卷积层得到的X_U共同输入特殊的激活函数内；

采用激活函数激活。

5.根据权利要求1所述的基于对偶深度神经网络的高光谱遥感图像去噪方法，其特征在于，在同一高光谱数据集中选取与噪声波段图像结构相似度最高的清晰波段图像作为参考图像。