[发明专利]一种基于全波段特征融合的遥感影像薄云去除方法及系统

权利要求书

1.一种基于全波段特征融合的遥感影像薄云去除方法，其特征在于，包括：

获取待处理的多光谱遥感图像；

使用训练完成的薄云去除网络对待处理的多光谱遥感图像进行多光谱影响薄云去除，输出去除薄云的多光谱遥感图像；

其中，所述训练完成的薄云去除网络，通过以下步骤得到：

获取同一地区有云和无云情况下的多光谱遥感图像，对获取到的图像进行预处理，得到训练集和测试集；

利用预先构建的卷积神经网络对获取到的图像进行采样，得到图像不同分辨率光谱波段的空间特征和光谱特征；其中，所述预先构建的卷积神经网络包括高、中、低分辨率分支；所述高、中、低分辨率分支分别对输入图像的对应分辨率进行下采样，将高分辨率分支的输出特征与中分辨率分支输出的特征在通道上连接，得到第一特征；所述中分辨率分支对第一特征进行下采样，输出第二特征，所述第二特征与低分辨率分支输出的特征在通道上连接；输出图像不同分辨率光谱波段的空间特征和光谱特征；

利用预先构建的双路特征融合模块将得到的空间特征和光谱特征进行融合，分别得到有云情况下图像特征图和无云情况下图像的特征图；所述预先构建的双路特征融合模块包括2个并列的深度卷积分支和1个1x1卷积层；所述特征分别通过2个深度卷积路径分别进行卷积处理，得到2组输出特征；将2组输出特征在通道上连接；利用1x1卷积层将连接后的特征通道数压缩到与输入特征相同的通道数；还包括全局空洞残差模块，所述全局空洞残差模块用于利用受薄云影响小的波段补全输入特征中的受薄云影响大的波段的空间特征和光谱特征；所述全局空洞残差模块包括2组并列的3D卷积层和空洞卷积层，所述空洞卷积层的输入端连接所述3D卷积层的输出端；利用一组3D卷积层对输入的特征进行处理，将处理结果输入空洞卷积层；将空洞卷积层输出的特征与输入的特征相加，得到第一补全特征；利用另一组3D卷积层对第一补全特征进行处理，将处理结果输入空洞卷积层；将空洞卷积层输出的特征与输入的特征相加，得到第二补全特征，即为输入特征中的受薄云影响大的波段的空间特征和光谱特征；

基于有云情况下图像特征图和无云情况下图像的特征图，计算多路监督损失，优化预设的薄云去除网络的网络参数；

利用训练集和测试集对优化后的薄云去除网络进行训练和测试，得到训练完成的薄云去除网络。

2.根据权利要求1所述的基于全波段特征融合的遥感影像薄云去除方法，其特征在于，所述对获取到的图像进行预处理包括：

将获取到的图像切分为小块；

对小块进行人工目视解译，将有云的图像块放入有云文件夹，无云的图像块放入无云文件夹；

将有云文件夹中图像块划分为有云训练集和有云测试集，将无云文件夹中图像块划分为无云训练集和无云测试集；所述有云训练集和无云训练集构成所述训练集，所述有云测试集和无云测试集构成所述测试集。

3.根据权利要求1所述的基于全波段特征融合的遥感影像薄云去除方法，其特征在于，所述计算多路监督损失，通过下式进行计算：

L=L_h+L_m+L_l+C(L_edge_h+L_edge_m+L_edge_l) （1）

式（1）中，L表示多路监督损失，L_h表示高分辨率薄云图像去除损失，L_m表示中分辨率薄云图像去除损失，L_l表示低分辨率薄云图像去除损失；L_edge_h表示高分辨率薄云边缘特征的恢复损失，L_edge_m表示中分辨率薄云边缘特征的恢复损失，L_edge_l表示低分辨率薄云边缘特征的恢复损失；C表示权重系数。