[发明专利]一种基于深度学习的SAR辅助下遥感光学影像去云方法

权利要求书

1.一种基于深度学习的SAR辅助下遥感光学影像去云方法，其特征在于，共分为4个模块，包括以下步骤：

S1：分散模块，将SAR影像和遥感光学影像均匀分散为影像块；

S2：提取模块，提取SAR影像块和遥感光学影像块的HOG特征；

S3：检测模块，比对后综合SAR影像块和光学影像块的HOG特征，将影像块的综合特征输入预先训练好的检测网络进行云检测；

S4：替换模块，若发现包含云的光学影像块则采用对应的SAR影像块替换。

2.根据权利要求1所述的一种基于深度学习的SAR辅助下遥感光学影像去云方法，其特征在于，在步骤S1中SAR影像为I_SAR和遥感光学影像为I_O，图像I_SAR和I_O的大小为W×H，其中，W为影像的宽度，H为影像的高度，w为设定的影像块大小，所述SAR影像和遥感光学影像块数量依据下面公式计算：

3.根据权利要求1所述的一种基于深度学习的SAR辅助下遥感光学影像去云方法，其特征在于，所述步骤S2具体包括：

S21：计算每一个SAR影像块的HOG特征，第n个影像块的特征记为Fs,n；

S22：计算每一个光学影像块的HOG特征，第n个影像块的特征记为Fo,n。

4.根据权利要求3所述的一种基于深度学习的SAR辅助下遥感光学影像去云方法，其特征在于，每一个SAR图像块和每一个光学图像块的HOG特征计算过程如下：

首先，根据以下公式计算每一个SAR图像块和每一个光学图像块的像素的梯度；

式中Pix(x,y)为影像块(x,y)点的像素值，Gra(x,y)为该点的梯度值，Mag(x,y)为该点的梯度幅度；

然后，统计每一个SAR影像块和每一个光学影像块的梯度直方图，得到SAR影像块和光学影像块的HOG特征。

5.根据权利要求1所述的一种基于深度学习的SAR辅助下遥感光学影像去云方法，其特征在于，所述步骤S3具体包括：

S31：获取多幅同个区域的SAR影像和遥感光学影像的数据集；

S32：对数据集中的同个区域SAR影像和遥感光学影像对进行影像块划分，并根据遥感影像的云区域对存在云的影像块添加标签。根据遥感影像的云区域对存在云的影像块添加标签1，反之添加标签0；

S33：计算影像块的综合特征，并存储综合特征和标签数据；

其中，综合特征采用以下公式：

F_n＝[F_s,n·F_o,n]

S34：根据影像块大小设计云检测网络，采用三层的全连接网络，检测网络可以下式表示：

Test(x)＝sigmoid(b²+W²relu(W¹x+b¹))

其中W¹、W²分别为网络的第一层和第二层权重矩阵，b¹、b²分为为第一层权重矩阵和第二层权重矩阵对应的偏置项；relu为采用的修正线性单元激活函数；sigmoid为采用的sigmoid激活函数；

其中，云检测的计算过程可以下式表示：

C_n＝Test(F_n)

其中，Test为检测网络，检测网络的输出为0和1两种结果，C_n为第n个影像块的云检测结果，C_n＝0表示第n个光学影像块无云，C_n＝1表示第n个光学影像块存在云；

S35：将交叉熵作为损失函数，使用随机梯度训练云检测网络。

6.根据权利要求1所述的一种基于深度学习的SAR辅助下遥感光学影像去云方法，其特征在于，所述步骤S4中的影像块替换是基于所述步骤S3中的云检测结果进行替换。