[发明专利]光学遥感影像的定量云自动添加方法及装置

权利要求书

1.一种光学遥感影像的定量云自动添加方法，包括：

对真实无云光学遥感影像和真实有云光学遥感影像进行预处理；

构建基于循环生成对抗网络的深度神经迁移网络；

利用预处理后的真实无云光学遥感影像和真实有云光学遥感影像对所述基于循环生成对抗网络的深度神经迁移网络进行训练学习，实现云量的定量添加。

2.根据权利要求1所述的方法，其特征在于，所述对真实无云光学遥感影像和真实有云光学遥感影像进行预处理，包括：

对待添加云量的真实无云光学遥感影像进行辐射和几何校正，将其中的目标单独裁剪，并将裁剪后的目标图像缩放至固定尺寸；

对真实有云光学遥感影像进行辐射和几何校正，将其中有云覆盖的区域单独裁剪，并将裁剪后的图像缩放至与所述目标图像相同的尺寸。

3.根据权利要求1所述的方法，其特征在于，所述构建的基于循环生成对抗网络的深度神经迁移网络，包括：

正向生成器，用于实现光学遥感影像中云量的添加；

逆向生成器，用于实现光学遥感影像中云量的去除；

判别器，用于根据所述正向生成器生成的有云光学遥感影像与所述真实有云光学遥感影像的差异判别生成的有云光学遥感影像的真伪；

约束层，包含于所述正向生成器、所述逆向生成器和所述判别器中，用于控制所述基于循环生成对抗网络的深度神经迁移网络学习待添加的云量。

4.根据权利要求3所述的方法，其特征在于，所述正向生成器和所述逆向生成器包括编码器、解码器和残差模块，

所述编码器由一组特征提取模块组成，用于学习和提取所述真实有云光学遥感影像的云量特征信息，所述特征提取模块由一层卷积操作、一层实例归一化操作和一层ReLU激活函数组成；

所述解码器由一组图像恢复模块组成，用于将云量特征提取结果恢复至光学遥感影像的原始大小，所述图像恢复模块由一层转置卷积操作、一层实例归一化操作和一层ReLU激活函数组成；

所述残差模块用于连接所述编码器和所述解码器。

5.根据权利要求4所述的方法，其特征在于，所述判别器基于PatchGAN的结构实现，由两组并行的特征提取模块和一层损失函数组成，

所述两组特征提取模块分别用于学习和提取生成的有云光学遥感影像和所述真实有云光学遥感影像的特征信息，由一层卷积操作、一层实例归一化操作和一层LeakyReLU激活函数组成；

所述损失函数为最小二乘损失函数。

6.根据权利要求5所述的方法，其特征在于，所述约束层基于条件生成对抗网络的结构实现，

所述判别器中的约束层用于从所述真实有云光学遥感影像中学习不同的云量类别；

生成器中的约束层用于定量控制光学遥感影像中待生成的云量。

7.根据权利要求6所述的方法，其特征在于，所述利用预处理后的真实无云光学遥感影像和真实有云光学遥感影像对所述基于循环生成对抗网络的深度神经迁移网络进行训练学习，包括：

将预处理后的真实有云光学遥感影像输入所述判别器，使所述基于循环生成对抗网络的深度神经迁移网络学习不同的云量类别；

将预处理后的真实无云光学遥感影像输入所述正向生成器，生成第一有云光学遥感影像；

将所述第一有云光学遥感影像输入所述判别器，所述判别器学习所述第一有云光学遥感影像和所述真实有云光学遥感影像之间的相似度；

通过不断优化损失函数，所述判别器对所述第一有云光学遥感影像的真伪进行判别，并保留所述判别器识别为真的第一有云光学遥感影像，删除所述判别器识别为假的第一有云光学遥感影像；

将所述判别器识别为真的第一有云光学遥感影像输入所述逆向生成器，得到对应的去除云的光学遥感影像；

对所述去除云的光学遥感影像与所述真实无云光学遥感影像进行相似度计算，保留相似度大于预设阈值的去除云的光学遥感影像所对应的第一有云光学遥感影像。