[发明专利]一种异源遥感图像风格迁移方法和装置

权利要求书

1.一种异源遥感图像风格迁移方法,其特征在于,包括:

S1:获取两张异源遥感图像分别作为内容图像和风格图像,对内容图像和风格图像进行预处理，并将内容图像作为初始生成图像；

S2：构造特征提取网络,将预处理后的内容图像、风格图像和初始生成图像输入构造的特征提取网络中，分别提取出内容图像的内容特征和风格图像的风格特征，根据内容特征和风格特征，针对初始生成图像构建神经风格迁移损失函数；

S3：利用图像块数据增强法根据预处理后的风格图像生成真实图像，具体为：

利用滑动窗口对预处理后的风格图像进行无重叠地遍历，在遍历的过程中，分别以1/2的概率对窗口内的图像块执行水平方向和垂直方向上的镜像翻转，遍历完整张风格图像后生成一幅真实图像I_aug；滑动窗口的大小为p*p，1p≤N，且N能被p整除，N表示判别网络的感受野；

S4：构造生成对抗网络,所述生成对抗网络包括判别网络和生成网络；将真实图像和初始生成图像输入判别网络中，构建对抗网络损失函数；

S5：根据神经风格迁移损失函数和对抗网络损失函数构建总损失函数，对总损失函数进行优化，生成网络输出最终生成图像，完成异源遥感图像的风格迁移。

2.根据权利要求1所述的异源遥感图像风格迁移方法,其特征在于,所述步骤S1中，对内容图像和风格图像进行预处理的具体方法为：

S1.1：对内容图像和风格图像进行图像配准操作；

S1.2：图像配准后，将内容图像和风格图像调整为相同的尺寸。

3.根据权利要求2所述的异源遥感图像风格迁移方法,其特征在于,所述步骤S2中，基于现有的VGG16网络构造特征提取网络；所述特征提取网络包括依次连接的第一卷积层、第二卷积层、第一池化层、第三卷积层、第四卷积层、第二池化层、第五卷积层、第六卷积层、第七卷积层、第三池化层、第八卷积层、第九卷积层、第十卷积层、第四池化层、第十一卷积层、第十二卷积层、第十三卷积层和第五池化层。

4.根据权利要求3所述的异源遥感图像风格迁移方法,其特征在于,所述步骤S2中，针对初始生成图像构建神经风格迁移损失函数的具体方法为：

S2.1：选择特征提取网络的第十三卷积层的输出作为内容图像的内容特征，根据内容特征构建初始生成图像的内容损失：

L_content(I_gen)＝||F(I_gen)-F(I_content)||₂

式中，L_content(I_gen)表示初始生成图像的内容损失，I_gen表示初始生成图像，I_content表示内容图像，F(*)表示提取内容特征函数，||·||₂表示2范数；

S2.2：选择特征提取网络的第一池化层、第二池化层、第三池化层、第四池化层和第五池化层的输出作为风格图像的风格特征，构建初始生成图像的风格损失：

G^l(*)＝[F(*)][F(*)]^T

式中，L_style(I_gen)表示初始生成图像的风格损失，G^l(*)表示第l池化层输出图像的风格特征的格拉姆矩阵，(*)^T表示求转置操作；l_s表示第一池化层、第二池化层、第三池化层、第四池化层和第五池化层的集合，l表示第l池化层；

S2.3：根据初始生成图像的内容损失和风格损失，针对初始生成图像构建神经风格迁移损失函数：

L_NST(I_gen)＝αL_content(I_gen)+βL_style(I_gen)

式中，L_NST(I_gen)表示神经风格迁移损失函数，α表示内容损失权重，β表示风格损失权重。