一種基于深度學(xué)習(xí)的多尺度高分影像抗噪生成方法

基本信息

申請(qǐng)?zhí)?/td> CN202110616284.7 申請(qǐng)日 -
公開(kāi)（公告）號(hào) CN113487495A 公開(kāi)（公告）日 2021-10-08
申請(qǐng)公布號(hào) CN113487495A 申請(qǐng)公布日 2021-10-08
分類號(hào) G06T5/00（2006.01）I;G06T3/40（2006.01）I;G06K9/62（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 柯劍;曹威;郭明強(qiáng);張敏;朱建軍;王均浩;彭淵;李兵;鐘靜;趙保睿;但唐明 申請(qǐng)（專利權(quán)）人 湖北地信科技集團(tuán)股份有限公司
代理機(jī)構(gòu) 武漢知產(chǎn)時(shí)代知識(shí)產(chǎn)權(quán)代理有限公司 代理人 馬帥
地址 430000湖北省武漢市武漢東湖新技術(shù)開(kāi)發(fā)區(qū)高新大道980號(hào)北斗大廈七層
法律狀態(tài) -

摘要

摘要 本發(fā)明提供一種基于深度學(xué)習(xí)的多尺度高分影像抗噪生成方法，包括：獲取高分辨率遙感影像樣本，并進(jìn)行不同級(jí)別的下采樣，得到不同分辨率的遙感影像樣本集；構(gòu)建多尺度高分影像抗噪模型；所述模型包括：前端多層卷積神經(jīng)網(wǎng)絡(luò)MLP0、圖像邊緣形狀注意力網(wǎng)絡(luò)、循環(huán)上采樣網(wǎng)絡(luò)LU1、循環(huán)上采樣網(wǎng)絡(luò)LU2和內(nèi)容特征擴(kuò)展網(wǎng)絡(luò)；利用不同分辨率的遙感影像樣本集，分兩階段訓(xùn)練所述模型；一階段訓(xùn)練優(yōu)化MLP0、圖像邊緣形狀注意力網(wǎng)絡(luò)和內(nèi)容特征擴(kuò)展網(wǎng)絡(luò)；二階段訓(xùn)練在一階段的基礎(chǔ)上，優(yōu)化LU1、LU2，最終得到訓(xùn)練完成的模型；本發(fā)明的有益效果：解決了低分噪聲衛(wèi)星影像生成高質(zhì)量的高分辨率的影像面臨的生成不同高分辨率影像模型泛化能力低、成本較高、噪聲干擾問(wèn)題。