申请/专利权人：北京航空航天大学

申请日：2020-07-08

公开（公告）日：2022-09-27

公开（公告）号：CN111815516B

主分类号：G06T3/40

分类号：G06T3/40

优先权：

专利状态码：有效-授权

法律状态：2022.09.27#授权;2020.11.10#实质审查的生效;2020.10.23#公开

摘要：本发明公开了一种弱监督红外遥感图像超分辨率重建方法，包括对高分辨率图像进行双三次降采样得到低分辨率图像，并将低分辨率图像输入至超分网络中，得到重建高分辨率图像，对高分辨率图像和重建高分辨率图像进行逐像素约束，计算内容损失；将真实低分辨率图像依次输入至超分网络和降质网络中，得到输出图像，对真实低分辨率图像和输出图像进行一致性约束，计算循环损失；基于内容损失和循环损失计算总损失，并利用总损失优化超分网络和降质网络的参数，直至超分网络和降质网络收敛；将待超分的图像输入至训练好的超分网络中，获得超分辨率重建结果。本发明能够利用更多的实际低分辨率遥感图像的信息，重建实际低分辨率遥感图像的效果更好。

主权项：1.一种弱监督红外遥感图像超分辨率重建方法，其特征在于，包括：步骤1：对高分辨率图像HR进行双三次降采样得到低分辨率图像LRBI，并将所述低分辨率图像LRBI输入至超分网络中，得到重建高分辨率图像SR；对所述高分辨率图像HR和所述重建高分辨率图像SR进行逐像素约束，计算内容损失；步骤2：将真实低分辨率图像LR依次输入至所述超分网络和降质网络中，得到输出图像LR'；对所述真实低分辨率图像LR和所述输出图像LR'进行一致性约束，计算循环损失；步骤3：基于所述内容损失和所述循环损失计算总损失，并根据所述总损失优化所述超分网络和所述降质网络的参数；步骤4：循环步骤1～步骤3，直至所述超分网络和所述降质网络收敛；步骤5：将待超分的图像输入至训练好的所述超分网络中，获得超分辨率重建结果；所述超分网络对输入的所述低分辨率图像LRBI和所述真实低分辨率图像LR均包括以下具体处理过程：通过一个卷积层进行浅层特征分析，经过五个残差块和一个卷积层进行深层特征提取，将所述浅层特征和所述深层特征进行元素级加和，并通过一个上采样层的采样和一个卷积层的卷积操作输出所需图像；每个所述残差块的具体处理过程为：依次通过一个卷积层、一个ReLU激活函数和一个卷积层的处理后提取特征图，通道注意力模块对每个通道的所述特征图取均值得到多通道均值，所述多通道均值依次通过一个卷积层、一个池化层、一个卷积层和sigmoid激活函数后得到每个通道的权重，每个通道的权重和所述特征图进行元素级相乘，得到不同权重的通道特征。

全文数据：

权利要求：

百度查询： 北京航空航天大学 一种弱监督红外遥感图像超分辨率重建方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD