基于分波段处理的不成对数据遥感图像薄云去除方法

专利主权项内容

1.基于分波段处理的不成对数据遥感图像薄云去除方法，其特征在于，包括：S1.将多光谱图像中的可见光波段和红外波段分别送入去云网络中，对可见光波段和红外波段分别处理，分别得到可见光波段和红外波段的云层分布图、厚度系数以及去云图像；S2.在前向循环中，将两种波段的待去云图像通过去云网络处理后合并生成前向循环的总去云图像，根据两种波段的云层分布图、厚度系数和去云图像合并形成两种波段的模拟云图，合并两种波段的模拟云图形成前向循环的总模拟云图；S3.在反向循环中，将两种波段的云层分布图、厚度系数和清晰无云图合并形成模拟云图，合并两种波段的模拟云图形成反向循环的总模拟云图，通过去云网络对可见光和红外波段分别处理，分别得到反向循环中可见光波段和红外波段的云层分布图、厚度系数以及去云图像，将两种波段反向循环的去云图像合并生成反向循环的总去云图像；S4.选取不成对图像，用加入色彩损失和对比损失项的损失函数对去云网络进行训练；S1的去云网络包含六个金字塔编码模块和六个解码模块，其中编码模块使用空间池化金字塔模块与卷积相结合，关注薄云遮蔽部分的地物信息特征提取；生成云层分布图的网络包含五个编码模块和五个解码模块，生成厚度系数的网络在五个编码模块后将输出与全局平均池化层和完全连接层相连接；S4中的损失函数L包括：totalL=L+λL+λL+λL+λL+λL；totaladv1color2cons3per4cyc5idt式中，L、L、L、L、L、L分别表示对抗损失、颜色损失、对比学习损失、周期感知一致性损失、循环一致性损失和身份映射损失，λ、λ、λ、λ、λ分别表示五个平衡参数；advcolorconspercycidt12345对比学习损失包括：
；式中，D(I，J)表示I和J的L1范数距离，和/>分别表示可见光波段和红外波段的模拟云图，/>，/>分别为前向循环中可见光波段和红外波段得到的去云图像，/>和/>分别代表反向循环中可见光波段和红外波段的模拟云图，/>和/>分别代表反向循环中可见光波段和红外波段的清晰无云图，/>和/>表示分别为反向循环中可见光和红外波段的去云图像。