[发明专利]基于生成对抗网络的SAR图像自动彩色化方法

权利要求书

1.基于生成对抗网络的SAR图像自动彩色化方法，其特征在于包括以下步骤：

1)搭建风格转换配对数据集；

2)进行多尺度的生成对抗网络搭建，并从中嵌入风格转换网络：所述生成对抗网络具有四个连接层，每层都包括生成器和判别器，每层的输入图像经过卷积后逐渐减小，在前一层向后层传递中加入随机噪声；

3)生成器的模型在无监督模型基础上设计为U-net结构，进行图像轮廓特征提取；

4)判别器选择PatchGAN结构，将生成图像分块，对每一部分进行真实概率的判别；

5)在传统条件生成对抗网络的损失函数基础上，加入L1正则项，生成对抗网络模型目标函数；

所述传统条件生成对抗网络中，定义损失函数如下：

Loss(G,D)＝E_x,y[logD(x,y)]+E_x,z[log(1-D(x,G(x,z)))]

为防止模型过拟合，在该函数中加入L1正则项，改进后损失函数如下：

L_L(G)＝E_x,y,z[||y-G(x,z)||₁]

生成对抗网络模型目标函数如下：

G＝argmin(G)max(D)L_CGAN(G,D)+λL_L1(G)

其中，λ为权重；

6)对输入图像进行增强预处理：对陆地遥感数据，经过旋转、翻转、局部放大过程进行特征的完全提取；对海洋遥感数据，由于海洋数据受湍流影响成像差异大，采用维纳滤波恢复图像，恢复过程的描述如下：

其中，Q为常数，G为原始图像的傅立叶变换，为恢复图像的傅立叶变换，T为湍流退化模型，u，v为像素坐标，其余数字均为固定的比例系数，湍流退化模型如下：

其中，k为湍流系数；

由于Sentinel-1和Sentinel-2的拍摄周期不同，光线照射角度及方向不同，会造成图像成像差异，选取2年周期内的色彩均值合成图像以消除周期性干扰；

7)所得模型进行训练，当损失函数达到收敛时，训练结束，得到RGB三通道彩色影像。

2.如权利要求1所述基于生成对抗网络的SAR图像自动彩色化方法，其特征在于在步骤1)中，所述搭建风格转换配对数据集是利用欧空局发射的Sentinel-1和Sentinel-2卫星影像进行相同经纬度的匹配建立关联数据集；所述关联数据集包括Sentinel-1VV极化SAR数据和Sentinel-2的B2、B3、B4波段合成的光学数据。

3.如权利要求1所述基于生成对抗网络的SAR图像自动彩色化方法，其特征在于在步骤3)中，所述U-net结构用于获取图像的边缘特征，保证SAR图像的底层轮廓信息不变及上色色彩的真实性。

4.如权利要求1所述基于生成对抗网络的SAR图像自动彩色化方法，其特征在于在步骤4)中，所述对每一部分进行真实概率的判别的具体方法为：将原图像分割为n块同样大小的图像块，设输入的图像块为x_i，输出图像被判别器判定为真实的概率为D(x_i)，对D(x_i)求均值作为整体图像的概率，即

5.如权利要求1所述基于生成对抗网络的SAR图像自动彩色化方法，其特征在于在步骤7)中，所述得到RGB三通道彩色影像，在训练结束，得到自动彩色化模型，通过该自动彩色化模型将需要上色的图像转换为三通道RGB彩色图像。