[发明专利]基于轻量化生成模型的遥感图像超分辨率重建方法

权利要求书

1.基于轻量化生成模型的遥感图像超分辨率重建方法，其特征在于，包括以下步骤：

步骤一、搭建轻量化生成网络结构，命名为注意力生成网络AGN，此生成网络结构融合了通道注意力机制显著性模型，同时，将普通卷积替换为深度可分离卷积；

步骤二、构建基于遥感图像的生成对抗超分辨率网络总模型，该模型包括步骤一所述的生成网络和判别网络，通过生成网络与判别网络持续的训练对抗，来生成与真实图像更为相近的超分辨率图像。

2.根据权利要求1所述的基于轻量化生成模型的遥感图像超分辨率重建方法，其特征在于，所述的注意力生成网络AGN包括浅层特征提取层f₁、通道注意力层f₂、中层特征提取层f₃、上采样层f₄；

注意力生成网络AGN表示为f_AGN，将一张低分辨图像输入网络中，此低分辨率图像标记为LR，输出的超分辨率图像标记为SR，可得：

SR＝f_AGN(LR)

经过注意力生成网络AGN的整个过程，可表示为：

SR＝f₄(f₃(f₂(f₁(LR))+f₁(LR))+f₁(LR))。

3.根据权利要求2所述的基于轻量化生成模型的遥感图像超分辨率重建方法，其特征在于，所述的通道注意力层f₂由一个CAdepth块组成，其由通道注意力基础块CA_Block和两层深度可分离卷积结构组成的Depth_Block构成；所述的通道注意力基础块CA_Block由平均池化层、卷积层和Sigmoid函数组成；输入特征经过通道注意力基础块CA_Block，进行缩放得到输出，再将输入与输出相乘得到通道注意力基础块CA_Block的最后输出。

4.根据权利要求3所述的基于轻量化生成模型的遥感图像超分辨率重建方法，其特征在于，所述的通道注意力基础块CA_Block的平均池化层获得各通道空间特征表示的统计量，第一个卷积层和第二个卷积层使用同样大小的卷积核，但第一个卷积层的输出通道数量缩减四倍，第二个卷积层输出通道扩大为原始的通道数量，然后将重构的通道表示输入到Sigmoid函数中，对不同通道特征的进行权重分配，建立不同通道的依赖关系，最后与输入通道结构相乘得到输出。

5.根据权利要求3所述的基于轻量化生成模型的遥感图像超分辨率重建方法，其特征在于，所述通道注意力层f₂所采用的深度可分离卷积结构用于通过逐通道和逐点两个卷积过程来实现图像特征提取，先使用逐通道卷积对输入特征图的空间维度进行融合，每次卷积操作都与其对应的单个输入通道进行处理，再使用逐点卷积对得到的特征图通道信息进行融合。

6.根据权利要求5所述的基于轻量化生成模型的遥感图像超分辨率重建方法，其特征在于，上采样时，利用亚像素卷积运算对遥感图像特征从低分辨率空间映射到高分辨率空间中，得到上采样因子的平方张特征图，接着从每张特征图中同一位置提取像素进行像素重组操作，重组后的像素就是新特征图上的亚像素，最终得到上采样因子倍数的放大图像。