CN115393191B 一种轻量级遥感图像超分辨率重建方法、装置及设备 （广东工业大学）

轻量级遥感图像超分辨率重建方法、装置及设殊场景的遥感图像超分辨率重建任务时能够达2对所述高清图像集中的各高分辨率遥感图像进行随机的雾霾化处理构建轻量级图像超分辨率重建网络；所述轻量级图像超所述浅层特征提取部分主要由卷积层构成；所述深层残差特征提取部分主要个卷积层均为卷积核为3×3且输入输出通道皆为6建部分包括依次连接2倍的邻近插值法、卷积核为3×3且输入输出通道分别为64和24的卷按照下列标准光学模型对所述高清图像集中的各高分辨率遥感图像进行随机的雾霾;将所述重建后图像与所述高清图像集中对应的高分辨率图3高清图像集构建模块，用于获取高分辨率遥感图像数重建网络构建模块，用于构建轻量级图像超分辨率重建网络；重建网络训练模块，用于利用所述低分辨率图像训练所述浅层特征提取部分主要由卷积层构成；所述深层残差特征提取部分主要9.一种计算机可读存储介质，其特征在于，所述程序，所述计算机程序被处理器执行时实现如权利要求1_6任意一项所述的轻量级遥感图4[0001]本发明涉及图像处理技术领域，尤其涉及一种轻量级遥感图像超分辨率重建方[0002]超分辨率重建是一项将低分辨图像重建为具有丰富纹理细节的高分辨图像的图部分融合了注意力显著性机制以及深度可分离卷积网络。专利CN202011563791.0提供了些现有的超分辨率重建模型仅仅采用了单一的插值退化模型来获得相应的高清和低清图遥感图像超分辨率重建方法的网络模型结构复杂度较高且在针对雾霾等特殊场景的遥感图像超分辨率重建任务时达到的重建效果较5池化、全局方差的求解、第一个线性层、LeakyReLu非线性激活层、第二个线性层以及[0013]根据本发明第一方面的一种能够实现的方式，所述特征重建部分包括依次连接2输入输出通道分别为24和24的卷积层以及LeakyReLu非线[0017]按照下列标准光学模型对所述高清图像集中的各高分辨率遥感图像进行随机的[0021]将所述低分辨率图像输入至所述轻量级图像超分辨率重建网络，得到重建后图[0022]将所述重建后图像与所述高清图像集中对应的高分辨率图像通过L1损失函数计6池化、全局方差的求解、第一个线性层、LeakyReLu非线性激活层、第二个线性层以及[0030]根据本发明第二方面的一种能够实现的方式，所述特征重建部分包括依次连接2输入输出通道分别为24和24的卷积层以及LeakyReLu非线7网络模型结构复杂度较高且在针对雾霾等特殊场景的遥感图像超分辨率重建任务时达到[0047]图1为本发明一个可选实施例提供的一种轻量级遥感图像超分辨率重建方法的流[0048]图2为本发明一个可选实施例提供的轻量级图像超分辨率重建网络的结构示意[0052]图6为本发明一个可选实施例提供的一种轻量级遥感图像超分辨率重建装置的结8解决现有遥感图像超分辨率重建方法的网络模型结构复杂度较高且在针对雾霾等特殊场景的遥感图像超分辨率重建任务时达到的重[0061]在一种能够实现的方式中，所述根据所述高分辨率遥感图像数据构建高清图像[0066]按照下列标准光学模型对所述高清图像集中的各高分辨率遥感图像进行随机的模型能够适用于处理雾霾等场景的遥感图像超分[0072]图2示出了本发明一个可选实施例提供的轻量级图像超分辨率重建网络的结构示9[0077]图4示出了本发明一个可选实施例提供的HCA高频感知通道注意力模块的结构示[0079]本发明实施例中，HCA高频感知通道注意力模块能够完成对每个通道的均值以及[0080]图5示出了本发明一个可选实施例提供的特征重建部分的结构示意图。其中，LeakyReLu非线性激活层。出通道分别为24和24的卷积层以及LeakyReLu非[0086]将所述低分辨率图像输入至所述轻量级图像超分辨率重建网络，得到重建后图[0087]将所述重建后图像与所述高清图像集中对应的高分辨率图像通过L1损失函数计[0095]图像处理模块2，用于对所述高清图像集中的各高分辨率遥感图像进行随机的雾[0097]重建网络训练模块4，用于利用所述低分辨率图像训练所述轻量级图像超分辨率残差特征提取部分主要由RCAB模块构成，所述RCAB模块的整体结构采用残差形式，所述[0099]在一种能够实现的方式中，所述浅层特征提取部分中的卷积层的卷积核为3×3、输入通道为3且输出通道为64；所述RCAB模块的两个卷积层均为卷积核为3×3且输入输出率重建方法的网络模型结构复杂度较高且在针对雾霾等特殊场景的遥感图像超分辨率重[0119]所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式部或部分步骤。而前