[发明专利]一种城市可见光遥感图像阴影去除的弱监督方法

权利要求书

1.一种城市可见光遥感图像阴影去除的弱监督方法，其特征在于：包括以下步骤：

步骤一：建立数据集

截取未受到阴影遮盖的区域作为无阴影图像，截取受到阴影遮盖的区域作为有阴影图像；由此构建出有阴影-无阴影数据集来对去阴影网络进行训练；

步骤二：阴影去除网络结构设计

阴影去除网络共包括三部分组件：生成器、判别器以及阴影迁移模块；设计了三个流程来实现对生成器和判别器的训练，三个流程分别为生成对抗流程、阴影再去除流程、无阴影保真流程；

步骤三：阴影迁移模块设计

阴影迁移模块是生成对抗网络能够对非配对的有阴影-无阴影数据进行学习的基础；根据Retinex视网膜大脑皮层理论可知，遥感图像中的阴影为空间中光照分布的一种表现，如果将产生阴影的光照定义为L_s，将相同场景的有阴影图和无阴影图分别定义为I_s和I_r，那么有阴影图是无阴影图和光照图的乘积：

I_s(x，y)＝L_s(x，y)·I_r(x，y) (1)

其中x，y表示图像像素点的位置；

考虑阴影图是可迁移的，即考虑阴影的产生仅与光照条件有关，与图像中的纹理无关；一个无阴影的场景I′_r(x，y)，通过叠加阴影图的方式，将另一场景I_s(x，y)的阴影L_s(x，y)迁移过来，形成新的阴影场景I′_s(x，y)；

阴影提取阶段，阴影迁移模块将网络输入的有阴影图像I_s与生成器输出的无阴影图像相除，获得阴影L_s，而后在阴影叠加阶段，将阴影与另一张来自于训练数据集的无阴影图像I_r相乘，完成阴影迁移；

定义阴影迁移模块T为：

其中为输入有阴影图像，为生成器输出结果，I_r为无阴影图像；这里T(·)表示对图像元素进行计算，即：

这里ε为一个很小的量，防止除0的情况出现；

步骤四：网络训练

4.1损失函数设计

步骤二中定义的三个训练流程，每个流程都对应有损失函数以完成对网络的训练；

4.2对阴影再去除流程数据输入的处理

在网络的阴影再去除流程阶段，设计了数据Dropout策略来提升对生成器的效果；对生成对抗网络进行训练时，使用批量梯度更新的方法，如果设每个批次的图像数量为B，每次对生成器G进行梯度更新时，对应地使用阴影迁移模块生成B张仿真的有阴影图像；

以判别网络对B张仿真图的判别输出为依据，将一个批次中判别器认定最有可能为仿真的有阴影图的结果剔除，同时将判别器认为最不可能为仿真的有阴影图像的数据复制一份，这样得到高质量的阴影-无阴影遥感数据仿真对，提高了对生成器训练的效果；

4.3网络训练过程

根据损失函数，定义训练网络的所需的min-max问题为：

对公式(8)的求解使用随机梯度下降系列方法进行优化；首先固定生成器G的参数，训练判别器D，使用梯度下降的方式训练k轮，之后固定判别器D的参数，训练生成器G，使用梯度下降方式训练1轮；

步骤五：遥感图像阴影去除结果获得

在网络训练结束之后，将训练好的生成器作为阴影去除模型，输入单幅有阴影的遥感图像，网络直接输出相应的去除阴影后的结果。

2.根据权利要求1所述的一种城市可见光遥感图像阴影去除的弱监督方法，其特征在于：在步骤二中，生成对抗流程：首先将带有阴影的遥感图像作为输入，生成器将会生成对应的无阴影结果；将生成器的输入和输出，以及来自数据集中与输入相同数量的无阴影图像作为阴影迁移模块的输入，阴影迁移模块会将生成器所输入图像的阴影，迁移到无阴影图像中，得到仿真的有阴影图像，进而得到仿真的有阴影-无阴影数据对；判别器在这里对仿真有阴影遥感图像的真实性进行判断，对每张图输出一个判别值，该判别值越大，说明迁移模块得到的仿真有阴影图像越真实。