[发明专利]用于Sentinel-2卫星遥感图像的超分辨率分析方法

权利要求书

1.用于Sentinel-2卫星遥感图像的超分辨率分析方法，其特征在于，使用生成对抗网络实现Sentinel-2的10m分辨率源图像I_SR超分辨生成2.5m分辨率图像I_SR，包括如下步骤：

步骤一：使用KernelGAN生成对抗网络实现I_SRC图像显式降质核的估计，然后结合降质噪声的估计与注入，用源图像I_SRC降质生成低分辨率图像I_LR，I_SRC作为高分辨率图像I_HR构造高-低分辨率图像对(I_LR，I_HR)；

步骤二：使用(I_LR，I_HR)数据集训练超分辨生成对抗网络SR-GAN进行训练。

2.根据权利要求1所述的用于Sentinel-2卫星遥感图像的超分辨率分析方法，其特征在于：所述KernelGAN包括一个核估计生成器Kernel-G和一个核估计鉴别器Kernel-D，具体包括：

Step1：对Sentinel-2卫星遥感图像I_SRC进行分割，获得多个像素块级别的分割对象；

Step2：核估计生成器Kernel-G学习将输入图像I_SRC缩小为I_LR，提取显式降质核，使鉴别器在像素块级别上与输入图像I_SRC不可区分；

Step3：核估计鉴别器Kernel-D学习输入图像I_SRC的像素块分布，并区分属于该分布的真实图像块和伪造图像块。

3.根据权利要求1所述的用于Sentinel-2卫星遥感图像的超分辨率分析方法，其特征在于：降质噪声的估计与注入具体包括：

Step1：从训练数据集的源图像I_SRC中提取噪声图块；

Step2：将噪声显式注入降采样后的图像I_{LR_cl}以生成逼真的低分辨率图像I_LR。

4.根据权利要求1所述的用于Sentinel-2卫星遥感图像的超分辨率分析方法，其特征在于：所述超分辨生成对抗网络SR-GAN包括基于ESRGAN模型设计的超分辨生成器SR-G、基于PatchGAN模型设计的超分辨鉴别器SR-D和基于VGG-19模型设计的感知特征提取器SR-F。

5.根据权利要求4所述的用于Sentinel-2卫星遥感图像的超分辨率分析方法，其特征在于：所述超分辨生成器SR-G在构造的高-低分辨率图像对(I_LR，I_HR)上进行训练。