[发明专利]一种基于多尺度级联残差网络的遥感图像超分辨方法

权利要求书

1.一种基于多尺度级联残差网络的遥感图像超分辨方法，其特征在于，包括如下步骤：

1）获取并收集公开的历史遥感图像数据，作为初始高清遥感图像数据。

2）将初始高清遥感图像数据进行预处理以生成相应的低清遥感图像，进一步匹配得到遥感图像对，并对遥感图像对进行划分，其中一部分作为训练集数据，另一部分作为测试集数据。

3）构建面向遥感图像超分辨的多尺度级联残差网络模型。

4）利用训练集数据与测试集数据，分别对网络模型进行训练与测试，最终得到超分辨遥感图像。

2.如权利要求1所述一种基于多尺度级联残差网络的遥感图像超分辨方法，其特征在于，所述获取并收集公开的历史遥感图像数据采用如下方法：通过互联网公开数据集或者网站，通过下载、截取等方式选取并保存高清遥感图像，作为初始高清遥感图像数据。

3.如权利要求1所述一种基于多尺度级联残差网络的遥感图像超分辨方法，其特征在于，所述将初始高清遥感图像数据进行预处理以生成相应的低清遥感图像，进一步匹配得到遥感图像对，并对遥感图像对进行划分，其中一部分作为训练集数据，另一部分作为测试集数据，包括如下步骤：

1）对初始高清遥感图像数据进行增广预处理，具体增广的方式包括对初始高清遥感图像数据进行随机裁剪、缩放以及对称变换，从而增加高清遥感图像数据总量。

2）设置采样间隔为k个像素，对增广后的高清遥感图像数据进行下采样预处理，从而获得与每张高清遥感图像相对应的低清遥感图像。

3）将每张高清遥感图像与其相对应的低清遥感图像匹配并保存在同一文件夹中，该文件夹被规定为一组遥感图像对。

4）在获取全部遥感图像对后，对遥感图像对进行划分，其中一部分遥感图像数据作为训练数据，用于对网络模型进行训练以使网络具备遥感图像超分辨能力；剩余的另一部分遥感图像数据均作为测试数据，用于对网络模型进行测试以验证网络超分辨能力的有效性。

4.如权利要求1所述一种基于多尺度级联残差网络的遥感图像超分辨方法，其特征在于，所述构建面向遥感图像超分辨的多尺度级联残差网络模型，网络模型具体包括多尺度特征提取模块、通道注意力模块、级联融合模块以及损失函数。其中，多尺度特征提取模块用于对输入的低清遥感图像进行多尺度、分层次的特征信息提取；通道注意力模块用于调整不同尺度特征信息在不同通道中的权重；级联融合模块用于将不同尺度特征的信息进行融合以生成超分辨的遥感图像输出；损失函数用于比对网络模型的实际输出的超分辨遥感图像与高清遥感图像之间的差距，以促进提升网络模型的遥感图像超分辨能力。

5.如权利要求1所述一种基于多尺度级联残差网络的遥感图像超分辨方法，其特征在于，所述利用训练集数据与测试集数据，分别对网络模型进行训练与测试，最终得到超分辨遥感图像，包括如下步骤：

1）利用遥感图像训练数据以训练网络模型，其中，网络模型的输入数据为训练数据遥感图像对中的低清遥感图像，网络模型的真值数据为相应的高清遥感图像。

2）利用遥感图像测试数据以测试网络模型，其中，网络模型的输入数据为测试数据遥感图像对中的低清遥感图像，网络模型的真值数据为相应的高清遥感图像。

3）运行网络模型，将需要进行超分辨操作的低清遥感图像输入到网络模型中，网络模型将输出相应的超分辨遥感图像，本次超分辨工作结束。