[发明专利]单样本遥感图像生成方法、系统、设备、存储介质及应用

权利要求书

1.单样本遥感图像生成方法，其特征在于，包括以下步骤，

S1：基于超强通道注意力机制ECANet模型，构建ECA-SinGAN生成器，对SinGAN模型进行改进；

S2：基于单样本遥感图像，使用步骤S1中改进后的SinGAN模型，采用逐尺寸的训练方法对样本特征进行提取；

S3：使用步骤S2中提取的样本特征进行图像生成。

2.根据权利要求1所述的单样本遥感图像生成方法，其特征在于：步骤S1中所述的ECANet模型包括GAP模块，一维卷积模块和权重融合模块；

所述GAP模块将输入大小为H×W×C的特征图利用全局池化操作压缩到1×1×C的特征向量范围内；

所述一维卷积模块用于通道特征学习，输出1×1×C的一维权重向量；而且，所述一维卷积模块使用超参数k进行跨通道间的交互控制，也即ω＝σ(CID_k(y))，式中，CID代表一维卷积的操作，k为一维卷积核大小，w为一维卷积输出张量，y为一维卷积输入张量；

所述权重融合模块用于将一维卷积模块输出的一维权重向量与原特征图进行点乘后得到最终的输出特征图。

3.根据权利要求2所述的单样本遥感图像生成方法，其特征在于：超参数k的计算方法包括以下步骤，

步骤a：基于超参数k与通道维数C之间的非线性比例关系，将超参数k与通道维数C之间的映射关系表示为C＝φ(k)；

步骤b：将步骤a中的映射关系进行指数变换，得到C＝φ(k)＝2^(γ*k-b)；

步骤c：将步骤b中的指数变换结果进一步的进行对数变换，得到

其中，γ和b是经验参数，γ为2，b为1，odd表示选择奇数。

4.根据权利要求2所述的单样本遥感图像生成方法，其特征在于，步骤S1中所述的ECA-SinGAN生成器由5个注意力卷积模块组成，每个所述注意力卷积模块均依次包括conv层、BatchNorm 2d层、GELU层和ECANet层，所述conv层的卷积核为3×3，ECANet层执行ECANet模型的操作。

5.根据权利要求4所述的单样本遥感图像生成方法，其特征在于，所述ECA-SinGAN生成器的输入与输出之间采用残差恒等映射支路连接。

6.根据权利要求5所述的单样本遥感图像生成方法，其特征在于，步骤S2中所述的改进后的SinGAN模型包括N+1个ECA-SinGAN生成器G和N+1个鉴别器D，且所述SinGAN模型采用由小到大、由粗到细的渐进式生成方法。

7.一种单样本遥感图像生成设备，其特征在于：包括至少一个处理器以及与所述处理器通信连接的存储器，所述储存器存储有可被所述处理器执行的指令，所述指令被所述处理器执行时，使得所述处理器执行权利要求1～6任一项中所述的单样本遥感图像生成方法。

8.一种储存有计算机指令的非瞬时计算机可读存储介质，其特征在于：所述计算机指令用于使所述计算机执行权利要求1～6任一项中所述的单样本遥感图像生成方法。

9.如权利要求1-6任一项所述的单样本遥感图像生成方法在机场跑道损伤图像生成与评估中的应用。

10.如权利要求9所述的单样本遥感图像生成方法在机场跑道损伤图像生成与评估中的应用，其特征在于，包括以下步骤，

步骤A：利用单样本遥感图像生成方法生成机场跑道损伤图像样本，确定起降窗口；

步骤B：根据起降窗口，确定机场跑道毁伤等级。