[发明专利]用于Sentinel-2卫星遥感图像的超分辨率分析方法

说明书

本发明属于卫星遥感图像处理技术领域，尤其为用于Sentinel‑2卫星遥感图像的超分辨率分析方法，包括如下步骤：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)；使用(I_LR，I_HR)数据集训练超分辨生成对抗网络SR‑GAN；本发明基于生成对抗网络的超分辨率分析方法，通过降质核和注入噪声的结合，使用ESRGAN类生成器、PatchGAN类鉴别器以及VGG‑19类特征提取器相结合的生成对抗网络，使用感知损失函数，更加关注图像的视觉特征，从而使得结果具有更清晰的细节，具有更好感知效果；与最新Sentinel‑2超分辨率分析方法相比，在无参考图像质量评估定量对比和视觉效果直观比两方面都具有明显优势。

技术领域

本发明属于卫星遥感图像处理技术领域，具体涉及一种用于Sentinel-2卫星遥感图像的超分辨率分析方法。

背景技术

遥感技术是从地面到空间各种对地球、天体观测的综合性技术系统的总称，可从遥感技术平台获取卫星数据、由遥感仪器以及信息接受、处理与分析，遥感技术是正在飞速发展的高新技术，它已经形成的信息网络，正时时刻刻、源源不断地向人们提供大量的科学数据和动态信息。

Sentinel-2最高可提供10m空间分辨率的图像，在将10m分辨率提升到2m分辨率的任务上，基于生成对抗网络的超分辨率方法遇到了不小的挑战，挑战主要来自于缺少2m分辨率的高分辨率真实图像。

近年，有学者使用Sentinel-2的10m分辨率图像与WorldView卫星的2m高分辨率图像组成高-低分辨率图像对，并以此构造网络训练数据集，[1]Galar等人提出了一种基于EDSR网络的超分辨率分析模型EDSR8-RGB；[2]Salgueiro等人基于ESRGAN网络提出RS-ESRGAN模型，这些方法可以将Sentinel-2传感器的10m通道增强到2.5m；[3]Zhang等人提出基于残差信道注意网络的方法RCAN。

[1]EDSR8-RGB、[2]RS-ESRGAN方法通过利用Sentinel-2和Worldview图像组成的非自然低-高图像对，[3]RCAN采用双三次降采样(BiCubic)来构造高-低分辨率图像对,这两种构造高-低分辨率图像对数据集的方法都会丢失与频率相关的轨迹细节。

发明内容

为解决现有技术中存在的上述问题，本发明提供了用于Sentinel-2卫星遥感图像的超分辨率分析方法，通过降质核和注入噪声的结合，得到与真实图像同域的低分辨率图像，得以获取接近自然高-低分辨率图像对的数据集，并在此数据集的基础上，使用ESRGAN类生成器、PatchGAN类鉴别器以及VGG-19类特征提取器相结合的生成对抗网络，使用感知损失函数，更加关注图像的视觉特征，从而使得分析结果具有更清晰的细节，具有更好感知效果。

为实现上述目的，本发明提供如下技术方案：用于Sentinel-2卫星遥感图像的超分辨率分析方法，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)；