买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安邮电大学;西安交通大学

摘要：本发明公开了一种基于CycleGAN的遥感图像鲁棒特征提取方法，包括：利用经训练的CycleGAN生成对抗网络对原始遥感图像进行风格迁移，生成具有标准地图风格的图像；利用RCF网络对所生成的具有标准地图风格的图像进行边缘特征提取，获得特征图像；采用结构相似度对所述特征图像进行图像质量评估。该遥感图像鲁棒特征提取方法通过CycleGAN的网络进行图像风格迁移，将自然得到的可见光遥感图像转换为具有标准地图风格的图片，再进行边缘特征提取，有效提高了遥感图像边缘特征提取的精度和准确度。通过对不同光照条件下的遥感图像进行测试，证明该遥感图像鲁棒特征提取方法能够有效完成对不同光照条件下遥感图像的鲁棒特征提取。

主权项：1.一种基于CycleGAN的遥感图像鲁棒特征提取方法，其特征在于，包括：S1：利用经训练的CycleGAN生成对抗网络对原始遥感图像进行风格迁移，生成具有标准地图风格的图像；S2：利用RCF网络对所生成的具有标准地图风格的图像进行边缘特征提取，获得特征图像；S3：采用结构相似度对所述特征图像进行图像质量评估；所述S1包括：S11：利用训练数据集对原始CycleGAN网络模型进行训练，获得经训练的CycleGAN生成对抗网络，其中，所述训练数据集包括源域训练数据集和目标域训练数据集，所述目标域训练数据集为所述源域训练数据集中的图像经过人工标注得到的；S12：利用所述经训练的CycleGAN生成对抗网络对可见光遥感图像进行图像风格迁移，生成具有标准地图风格的图像，所述S2包括：S21：将原始遥感图像由经训练的CycleGAN生成对抗网络生成的具有标准地图风格的图像输入所述RCF网络进行边缘特征提取，获得第一特征图像；S22：对所述原始遥感图像进行人工标注，获得标准地图风格标注图像；S23：将所述标准地图风格标注图像输入所述RCF网络进行边缘特征提取，获得第二特征图像，所述S3包括：采用结构相似度SSIM对由所述CycleGAN深度学习网络生成的具有标准地图风格的图像进行图像质量评估，所述结构相似度的计算公式为：SSIMM,N＝[lM,N]α[cM,N]β[sM,N]γ，其中，μM、μN分别表示第一特征图像M和第二特征图像N的特征值均值，σM、σN分别表示第一特征图像M和第二特征图像N的特征值方差，σMN表示第一特征图像M和第二特征图像N的特征值协方差，C1,C2,C3为常数，α,β,γ0为权重系数。

全文数据：

权利要求：

百度查询： 西安邮电大学 西安交通大学 一种基于CycleGAN的遥感图像鲁棒特征提取方法