一种基于卷积网络的遥感图像薄云去除方法与流程

技术特征：
1.一种基于卷积网络的遥感图像薄云去除方法，其特征在于，包括：获取薄云遥感图像；将所述薄云遥感图像输入至扩张卷积分支，所述扩张卷积分支共有五个扩张卷积模块，将所述薄云遥感图像依次通过所述扩张卷积模块，得到特征图像；将所述特征图像输入至通道叠加分支，所述通道叠加分支共有四个通道叠加模块，将所述特征图像依次通过所述通道叠加模块，得到融合图像；将所述融合图像输入至薄云去除网络，得到无云遥感图像。2.根据权利要求1所述的一种基于卷积网络的遥感图像薄云去除方法，其特征在于，所述得到特征图像的方法为：将所述薄云遥感图像通过第一个所述扩张卷积模块，其中公式为，；其中，表示通过第一个扩张卷积模块的输出；表示扩张卷积模块；表示薄云遥感图像；将通过第一个所述扩张卷积模块的输出依次输入至第二至第五个所述扩张卷积模块，其中公式为，；其中，表示通过第个扩张卷积模块的输出；表示特征图像；表示最大池化层。3.根据权利要求2所述的一种基于卷积网络的遥感图像薄云去除方法，其特征在于，使用所述扩张卷积模块的方法为，所述扩张卷积模块包括一个常规卷积和五个不同扩张率的扩张卷积，将所述薄云遥感图像输入至常规卷积中，其中公式为，；其中，表示通过常规卷积的输出；表示整流线性单元；表示常规卷积；将通过常规卷积的输出依次输入至五个不同扩张率的扩张卷积，其中公式为，；其中，表示卷积操作及输入输出特征的标识序号；表示通过第个扩张卷积的输出；表示扩张率为的扩张卷积；将通过常规卷积的输出和通过五个不同扩张率的扩张卷积的输出进行叠加得到叠加特征，其中公式为，；
其中，表示叠加特征；表示通过第一个扩张卷积的输出；表示通过第二个扩张卷积的输出；表示通过第三个扩张卷积的输出；表示通过第四个扩张卷积的输出；表示通过第五个扩张卷积的输出；表示多个特征之间的通道叠加；将所述叠加特征进行融合精细计算，得到通过第一个扩张卷积模块的输出，其中公式为，；其中，表示常规卷积；表示整流线性单元。4.根据权利要求3所述的一种基于卷积网络的遥感图像薄云去除方法，其特征在于，所述得到融合图像的方法为：将所述特征图像通过第一个所述通道叠加模块的公式为，；其中，表示通过第一个通道叠加模块的输出；表示上采样操作；标识多个特征之间的通道叠加；将通过第一个所述通道叠加模块的输出依次输入至第二至第四个所述通道叠加模块，其中公式为，；其中，为特征的标识序号；对通过最后一个所述通道叠加模块的输出进行精细化处理得到所述融合图像，其中公式为，；其中，表示通过第四个通道叠加模块的输出；表示融合图像。5.根据权利要求4所述的一种基于卷积网络的遥感图像薄云去除方法，其特征在于，采用均方误差损失函数对所述薄云去除网络进行训练，其中公式为，；其中，表示均方误差损失函数；表示薄云去除网络；表示无云标签图像。6.一种基于卷积网络的遥感图像薄云去除系统，其特征在于，包括：
薄云遥感图像获取模块：获取薄云遥感图像；特征图像获取模块：将所述薄云遥感图像输入至扩张卷积分支，所述扩张卷积分支共有五个扩张卷积模块，将所述薄云遥感图像依次通过所述扩张卷积模块，得到特征图像；融合图像获取模块：将所述特征图像输入至通道叠加分支，所述通道叠加分支共有四个通道叠加模块，将所述特征图像依次通过所述通道叠加模块，得到融合图像；无云遥感图像获取模块：将所述融合图像输入至薄云去除网络，得到无云遥感图像。7.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至6中任一项所述的一种基于卷积网络的遥感图像薄云去除方法。8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的一种基于卷积网络的遥感图像薄云去除方法。

技术总结
本发明涉及图像处理技术领域，公开了一种基于卷积网络的遥感图像薄云去除方法，包括：获取薄云遥感图像；将所述薄云遥感图像输入至扩张卷积分支，得到特征图像，将所述特征图像输入至通道叠加分支，得到融合图像，将所述融合图像输入至薄云去除网络，得到无云遥感图像，本发明充分考虑了较大区域的薄云去除和较小局部区域的细节恢复，从而实现性能较为良好的遥感图像薄云去除。的遥感图像薄云去除。的遥感图像薄云去除。


技术研发人员：李冠群 俞伟学
受保护的技术使用者：耕宇牧星（北京）空间科技有限公司
技术研发日：2022.12.05
技术公布日：2022/12/30