[发明专利]一种基于残差学习卷积神经网络的多光谱图像反演方法

摘要

本发明涉及多光谱成像领域的图像反演问题领域，更具体而言，涉及一种基于残差学习卷积神经网络的多光谱图像反演方法。该方法首先任选一个通道作为主通道(其它通道作为从通道)，利用传统的方法(调焦或图像去模糊算法)获取主通道的清晰图像，然后将该清晰图像输入到各个从通道残差神经网络模型，即可计算出各个从通道残差神经网络模型的输出(即从通道图像与主通道图像间的残差)，最后将该残差与主通道图像相加，即可反演出各个从通道的清晰图像。

主权项

1.一种基于残差学习卷积神经网络的多光谱图像反演方法，其特征在于，包括以下步骤：S1、利用多光谱成像系统分别采集K个目标物体的主通道图像与从通道清晰图像，其中，多光谱成像系统包括N个通道，任意选择第i∈{1,2,...,N}个通道作为主通道，剩余通道j∈{1,2,...,i‑1,i+1,...,N}作为从通道；建立主通道与从通道图像库其中，和分别表示第k个目标物体的主通道和从通道清晰图像；S2、将图像库S中的主通道和从通道清晰图像和提供给卷积神经网络模型学习，对图像库S执行旋转和添加噪声两种操作算子的处理；S3、构造与每个从通道对应的卷积神经网络模型M^j,j∈{1,2,...,i‑1,i+1,...N}训练所需的样本对；S4、设计基于残差学习的卷积神经网络模型结构；S5、卷积神经网络模型训练学习，针对从通道集合中的每个通道j∈{1,2,...i‑1,i+1,...,N}，利用随机梯度下降算法，建立每个从通道的卷积神经网络模型M^j，j∈{1,2,...,i‑1,i+1,...,N}；S6、对新目标物体第j个从通道图像的反演：若要反演新目标物体L的第j个个从通道的清晰图像，则首先获取主通道第i个通道的清晰图像接着，将主通道第i个通道的清晰图像输入到第j个建立好的卷积神经网络模型M^j，计算该模型的输出残差图像最后，反演从通道集合中的第j个通道的清晰图像S7、针对从通道集合中的每个通道j∈{1,2,...,i‑1,i+1,...,N}，重复S6，直至反演出所有从通道的清晰图像。