[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

说明书

本发明公开了一种基于深度学习的SAR辅助下遥感光学影像去云方法，方法共分为4个模块，具体为分散模块，将SAR影像和遥感光学影像均匀分散为影像块；提取模块，提取SAR影像块和遥感光学影像块的HOG特征；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；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。本发明借助了SAR影像信息，增加提升了云检测和去除能力，本发明提供的云检测结果可作为遥感光学影像质量评估的依据以及云去除的引导信息。

技术领域

本发明涉及遥感影像处理技术领域，更进一步地说，具体涉及一种基于深度学习的SAR辅助下遥感光学影像去云方法。

背景技术

受多云天气的影响，遥感光学影像通常被云层遮挡，导致无法获取清晰的遥感影像，影响对遥感影像中关键地物的判读。因此在对遥感光学影像进行判读之前必须去除。

传统方法在整幅图像上使用了两次生成对抗网络，计算复杂度高，运行效率低。为此，有必要对现有技术进行改进。

合成孔径雷达SAR(Synthetic Aperture Radar)，是一种主动式的对地观测系统，可安装在飞机、卫星、宇宙飞船等飞行平台上，全天时、全天候对地实施观测、并具有一定的地表穿透能力。SAR影像不受天气、云雾影响。基于SAR影像提供的信息能够实现光学影像云的检测与去除，提出一种基于深度学习的SAR辅助下遥感光学影像去云方法。

发明内容

本发明的目的在于提供一种基于深度学习的SAR辅助下遥感光学影像去云方法，以克服现有技术所存在的缺陷。

为了达到上述目的，本发明采用的技术方案如下：

一种基于深度学习的SAR辅助下遥感光学影像去云方法，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。

所述分散模块、提取模块、检测模块和替换模块依次连接。

进一步地，所述步骤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：

进一步地，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F_s,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F_o,n。

进一步地，每一个SAR影像块和每一个光学影像块的HOG特征计算过程如下：

首先、根据以下公式计算每一个SAR影像块和每一个光学影像块的像素的梯度；

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；