[发明专利]一种基于多路感知梯度的遥感图像薄云移除方法

权利要求书

1.一种基于多路感知梯度的遥感图像薄云移除方法，其特征在于步骤如下：

1)建立遥感图像薄云移除数据集，包括薄云遥感图像、清晰遥感图像和云层厚度图像，按比例组成训练集、验证集和测试集；

2)搭建感知梯度提取模块，用于提取图像薄云特征；

3)搭建云层厚度估计模块，用于自适应估计云层厚度；

4)基于步骤2)中得到的感知梯度提取模块和步骤3)中得到的云层厚度估计模块，搭建遥感图像薄云移除网络，用于从单张薄云遥感图像到清晰遥感图像的转换；

5)利用步骤1)得到的数据集训练遥感图像薄云移除网络，使用的损失函数包括特征损失函数、梯度损失函数和云层厚度损失函数；

6)将训练结束得到的模型参数导入遥感图像薄云移除网络，输入单张薄云遥感图像实现薄云移除。

2.根据权利要求1所述的一种基于多路感知梯度的遥感图像薄云移除方法，其特征在于，所述步骤1)中，遥感图像薄云移除数据集具体为：

11)选取n张清晰遥感图像R，通过生成仿真薄云得到薄云遥感图像C和云层厚度图像T；将遥感图裁剪成尺寸为N×N的图像，将具有对应关系的清晰遥感图像R、薄云遥感图像C和云层厚度图像T组成遥感图像薄云移除数据集，记为{R_i,C_i,T_i|i∈(1,…,m)}，其中i为图像的序号，m为图像的数量，i和m为正整数；

12)将遥感图像薄云移除数据集按照p₁:p₂:p₃的比例划分为训练集、验证集和测试集，其中，p₁、p₂和p₃为正整数，且p₁p₂,p₁p₃。

3.根据权利要求1所述的一种基于多路感知梯度的遥感图像薄云移除方法，其特征在于，所述步骤2)中，所述搭建感知梯度提取模块具体包括感知特征提取单元、梯度信息提取单元、残差特征提取单元和残差连接。

4.根据权利要求3所述的一种基于多路感知梯度的遥感图像薄云移除方法，其特征在于，所述感知特征提取单元具体采用VGG19网络提取图像特征，模拟人类视觉系统提取图像感知层面的特征，采用VGG19网络第n₁层第n₂个输出结果作为感知特征信息，用于后续薄云移除任务，其中，n₁和n₂为正整数。

5.根据权利要求3所述的一种基于多路感知梯度的遥感图像薄云移除方法，其特征在于，所述梯度信息提取单元具体采用Sobel算子滤波器在特征图上做步幅为d₁的卷积操作，用于提取图像梯度信息，梯度信息中包含云层相关特征；其中，d₁为正整数。

6.根据权利要求3所述的一种基于多路感知梯度的遥感图像薄云移除方法，其特征在于，所述残差特征提取单元由e个残差单元组成，每个残差单元包括s₁个卷积+ReLU激活函数、1个特征校准单元和1个残差学习，卷积核尺寸均为f×f，步幅为d₂，其中e、s₁、f和d₂均为正整数。