[发明专利]一种弱监督的可见光遥感图像薄云去除方法

权利要求书

1.一种弱监督的可见光遥感图像薄云去除方法，其特征在于，具体步骤如下：

步骤1：数据集建立

用图像数据来训练网络，包括薄云图像数据集和无云图像数据集；在各种具有不同地物的可见光遥感图像中，筛选出薄云区域和无云区域，然后在选出的区域中裁剪K×K大小的图像块，加入到对应的薄云图像数据集和无云图像数据集中；由此建立非配对的薄云-无云图像数据集来对网络进行训练；

步骤2：薄云成像模型建立

卫星传感器接收到的信号用一个加性物理模型来表示：

I＝J+k*M                (1)

其中，I为卫星传感器获取到的薄云图像，J为无云时的地物图像；M为薄云厚度图，表示云的空间分布；k为各波段厚度系数，表示云的光谱分布；

步骤3：网络结构设计

通过循环一致生成对抗思想来进行薄云去除，需要使用3个生成器G_J、G_M、G_k和一个判别器D；给定两幅非配对的训练图像(I，J),I为一幅薄云图像，属于源领域J为一幅无云图像，属于目标领域

在步骤3中设计两个循环流程来对生成器和判别器进行训练：

前向循环首先通过3个生成器G_J、G_M、G_k将输入的薄云图像I分解为无云图像薄云厚度图厚度系数其中然后利用公式(1)将这3部分结合到一起，来重建原始的输入薄云图像，即

后向循环首先利用公式(1)将无云图像J，薄云厚度图M和厚度系数k结合到一起，得到一幅合成的薄云图像其中，M和k使用前向循环中G_M和G_k生成的和然后再通过3个生成器G_J、G_M、G_k将分解为原始的3部分：另外，判别器D用来鉴别真实的无云图像J和生成的无云图像

步骤4：网络训练

包括损失函数设计和网络训练过程

根据步骤3的内容，设计了对应的损失函数，以完成对网络的训练；该损失函数由对抗损失、循环一致损失、循环感知一致损失和恒等损失四个部分组成；之后根据损失函数，得到最终的优化目标；

步骤5：遥感图像薄云去除

在网络训练结束之后，生成器G_J用来去除遥感图像中的薄云；对于一幅带有薄云的遥感图像，将其输入到生成器G_J经过一次前向传播，利用训练好的网络参数进行运算，即输出相应的薄云去除后的无云图像。

2.根据权利要求1所述的一种弱监督的可见光遥感图像薄云去除方法，其特征在于，具体步骤如下：在步骤2中通过公式(1)，使用3个卷积神经网络将一幅薄云图像分解为一幅无云图像、一幅薄云厚度图以及一组厚度系数三个部分；或者将一幅无云图像结合一幅薄云厚度图以及一组厚度系数，得到一幅合成的薄云图像。

3.根据权利要求1所述的一种弱监督的可见光遥感图像薄云去除方法，其特征在于，具体步骤如下：上述两个循环流程中，网络不需要使用配对的薄云-无云图像进行训练；3个生成器是符合输入输出大小的任何生成器；同样，判别器也是任意的判别器。