基于多尺度卷积神经网络的SAR图像超分辨率重建方法与流程

本发明属于图像超分辨率重建，具体涉及基于多尺度卷积神经网络的sar图像超分辨率重建方法。

背景技术：

1、基于多尺度卷积神经网络的sar图像超分辨率重建方法主要是利用深度学习技术来提高合成孔径雷达图像的分辨率，通常包括：数据预处理、数据增强、网络设计、损失函数设计、训练网络、以及测试与重建；

2、其中，多尺度卷积神经网络是一种结合了多个尺度信息的卷积神经网络模型，传统的卷积神经网络在处理图像时，通常只关注固定尺度下的特征提取，而忽略了图像在不同尺度上的细节信息，这在某些任务中可能会导致性能下降，例如图像分类、目标检测等，为了解决这个问题，多尺度卷积神经网络引入了多个尺度的特征提取分支，并将它们组合起来，以充分利用不同尺度的特征信息，通过引入多尺度信息，多尺度卷积神经网络可以更好地捕捉图像在不同尺度下的特征，从而提高模型在一些任务中的性能，通常包括：多尺度输入、多尺度特征提取、多尺度特征融合、以及后续处理；

3、由于飞行航线的不确定性，现有的基于多尺度卷积神经网络的sar图像超分辨率重建方法，无法根据当前飞机上的sar装置的探测高度和探测角度，将低分辨率的sar图像调整并生成为高分辨率的sar图像，无法在训练学习过程中，根据地形的不同划分区域，分开进行训练学习，使得训练数据庞大，从而导致训练过程繁琐复杂、训练学习的效率低下，其实用性也存在一定的局限性。

4、因此，现有的基于多尺度卷积神经网络的sar图像超分辨率重建方法存在实用性低以及训练过程复杂以及效率低的问题。

技术实现思路

1、本发明的目的是提供一种基于多尺度卷积神经网络的sar图像超分辨率重建方法，以解决现有的基于多尺度卷积神经网络的sar图像超分辨率重建方法存在实用性低以及训练过程复杂以及效率低的问题。

2、为实现上述目的，本发明采用如下技术方案：

3、一方面，本说明书提供一种基于多尺度卷积神经网络的sar图像超分辨率重建方法，包括：

4、步骤102，基于采集图像的飞机的飞行数据，获取目标学习图像；

5、步骤104，采用降级分析策略对目标学习图像进行降级分析，获得目标分析图像；

6、步骤106，采用重建学习策略对目标分析图像和目标学习图像进行图像重建学习，获得高频处理数据并构建高频细节数据库；

7、步骤108，基于高频细节数据库对目标重建图像进行超分辨率重建，获得目标输出图像。

8、另一方面，本说明书提供基于一种基于多尺度卷积神经网络的sar图像超分辨率重建装置，包括：

9、图像采集模块，用于基于采集图像的飞机的飞行数据，获取目标学习图像；

10、图像降级分析模块，用于采用降级分析策略对目标学习图像进行降级分析，获得目标分析图像；

11、图像重建学习模块，用于采用重建学习策略对目标分析图像和目标学习图像进行图像重建学习，获得高频处理数据并构建高频细节数据库；

12、超分辨率重建模块，用于基于高频细节数据库对目标重建图像进行超分辨率重建，获得目标输出图像。

13、基于上述技术方案，本说明书能够获得如下技术效果：

14、本方法通过基于飞机上的sar装置的探测高度和探测角度，采集同一地方、不同探测高度、不同探测角度的sar图像，并获取所有的分辨率，提取最高分辨率的图像为目标学习图像，从而减少因飞机飞行航线的不确定性导致的sar图像散焦或出现斑点、从而影响sar图像的观看与使用的情况；通过采用重建学习策略对目标分析图像和目标学习图像进行图像重建学习，并在训练学习过程中，根据sar图像中的地形的不同，划分不同的区域，对每个区域分开判断提高分辨率的过程是否正确，最后拼合为完整的图像判断提高分辨率后的图像与目标学习图像是否相同，分开进行训练学习能够减少训练数据，从而简化训练过程，提高训练学习的效率，从而解决现有的基于多尺度卷积神经网络的sar图像超分辨率重建方法存在实用性低以及训练过程复杂以及效率低的问题。

技术特征：

1.基于多尺度卷积神经网络的sar图像超分辨率重建方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述基于采集图像的飞机的飞行数据，获取目标学习图像的步骤包括：

3.根据权利要求2所述的方法，其特征在于，所述基于目标飞机的探测数据和预设阈值，执行图像采集策略，获得目标分割图像并将其作为目标学习图像的步骤包括：

4.根据权利要求3所述的方法，其特征在于，在所述采用图像分析策略对目标学习图像进行降级分析，获得目标分析图像之前还包括：采用图像分割策略对所述目标学习图像进行图像分割，获得子图数据集。

5.根据权利要求4所述的方法，其特征在于，所述图像分割策略包括：

6.根据权利要求5所述的方法，其特征在于，所述降级分析策略包括：

7.根据权利要求6所述的方法，其特征在于，所述重建学习策略包括：

8.根据权利要求7所述的方法，其特征在于，所述构建高频细节数据库的步骤包括：

9.根据权利要求8所述的方法，其特征在于，所述基于高频细节数据库对目标重建图像进行超分辨率重建，获得目标输出图像的步骤包括：

10.基于多尺度卷积神经网络的sar图像超分辨率重建系统，其特征在于，包括：

技术总结本说明书公开了基于多尺度卷积神经网络的SAR图像超分辨率重建方法，涉及图像超分辨率重建技术领域，包括获取目标学习图像和目标重建图像，通过图像分析策略形成目标分析图像，通过重建学习策略形成高频处理数据，建立高频细节数据库对目标重建图像进行超分辨率重建，该基于多尺度卷积神经网络的SAR图像超分辨率重建方法，根据当前飞机上的SAR装置的探测高度和探测角度，将低分辨率的SAR图像调整并生成为高分辨率的SAR图像，在训练学习过程中，根据地形的不同划分区域，分开进行训练学习，减少训练数据，从而简化训练过程，提高训练学习的效率。技术研发人员：苏毅,马晨宁,王开志,邵晓光,温焱受保护的技术使用者：北京遥感设备研究所技术研发日：技术公布日：2024/7/29