[发明专利]一种基于全卷积网络的高分辨率光学图像厚云去除方法

摘要

本发明涉及一种基于全卷积网络的高分辨率光学遥感图像厚云去除方法，通过全卷积网络的参数训练，完成了异源遥感数据之间映射函数的自主构建，在两种不同的异源遥感数据之间实现了优势互补，不仅可以通过同一幅高分辨遥感图像中的无云区域对含云区域的信息进行估计，对于同一组数据源其他时刻所获得的数据同样具有较好的去云效果。实验结果表明，本发明与现有的基于多源数据的光学遥感图像去云方法相比能够更加准确地恢复云区信息。

主权项

一种基于全卷积网络的高分辨率光学图像厚云去除方法，其特征在于：所用到的数据源为同一地理场景在较短时间间隔内获得的待去云高分辨率光学遥感图像，低分辨率异源光学遥感图像以及SAR图像，且含云的高分辨率光学遥感图像已经完成了云区检测；步骤如下：步骤1：将低分辨异源光学遥感图像和SAR图像的空间尺寸调整至与待去云的高分辨光学遥感图像相同并进行配准，实现数据源之间相同空间位置的像素点对应现实中相同地理位置区域，建立起空间位置上的对应关系；步骤2：以固定步长将高分辨率光学遥感图像分解为固定大小的图像块集合；所述固定步长取值128；所述固定大小取值256；根据云区检测的结果将图像块集合分为含云图像块集合和无云图像块集合，其中无云图像块不包含任何云区像素点；步骤3：建立全卷积网络结构为：光学遥感图像的波段数为N，则网络的输入为N+1个波段，其中前N个波段为异源低分辨光学遥感数据，第N+1个波段为SAR数据，输出为N个波段，为高分辨光学遥感数据；全卷积网络总共分为9层，前4层为卷积层，卷积核尺寸为3*3；第5层同样为卷积层，卷积核尺寸为1*1；后4层为反卷积层，卷积核尺寸为3*3；网络中每一层的卷积核数量均为64，初始值服从均值为0，标准差为0.05的正态分布，层与层之间的激活函数采用ReLU函数；然后利用无云高分辨率图像块集合作为训练目标，以其对应的异源低分辨率图像块和SAR图像块作为输入，进行全卷积网络训练；步骤4：在完成网络训练之后，将含云高分辨图像块所对应的异源低分辨图像块和SAR图像块作为输入，通过网络前向传播得到输出结果，并利用输出结果中的对应像素点替换含云高分辨图像块中的云区像素点，实现去云；步骤5：将去云后的含云高分辨率图像块与无云图像块重新拼接得到完整的高分辨率光学遥感图像。