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！

摘要：本发明属于图像增强和图像识别技术领域，提供一种基于遥感目标识别任务驱动的图像超分辨方法，针对遥感目标识别任务，通过图像增强技术提升低分辨率图像的质量。该方法首先获取低分辨率的遥感目标切片图像，然后利用SRGAN生成式网络进行上采样，生成高分辨率图像。为提高图像清晰度，级联细化子网络恢复细节信息。判别式网络中加入细粒度识别分支和多任务分类损失函数，增强小目标与背景的区分能力，并指导判别式网络区分超分辨与真实高分辨率图像，以及小目标与地面背景干扰物。本发明利用遥感目标识别的损失作为目标感知损失，指导网络训练，使超分辨图像更关注目标重建，提升图像质量与可区分性特征，增强了遥感目标识别性能。

主权项：1.一种基于遥感目标识别任务驱动的图像超分辨方法，其特征在于，其包括：步骤1：获取至少一副低分辨率的遥感目标切片图像，图像大小为32cm×32cm，对目标切片图像进行标准差归一化处理；步骤2：对SRGAN的生成式网络进行改进，使得改进后的生成式网络能对输入的低分辨目标切片图像进行上采样操作，并进行去模糊操作，最终得到清晰的高分辨率重构图像；步骤3：在SRGAN的判别式网络中加入了细粒度识别分支，以增强小目标与地面背景干扰物的区分能力；步骤4：设计一种多任务分类损失函数进行联合学习，驱动超分辨网络生成具有高分辨率、强判别式信息的超分辨图像，并且使得超分辨重构与目标精确分类任务在训练过程信息互补；多任务分类损失函数由内容损失函数、对抗性损失函数和分类损失函数构成；步骤2中所述SRGAN的生成式网络改进包括以下步骤：步骤2.1，在SRGAN中生成式网络G的残差模块中删除了BN层；步骤2.2，在生成式网络G内级联一个细化子网络，通过对比分析高分辨率重构图像与真实高分辨率图像之间的差异，执行去模糊操作；步骤4包括以下步骤：步骤4.1，保留SRGAN的内容损失函数中的逐像素均方误差损失函数作为内容损失函数，去除了SRGAN的VGG特征匹配损失函数来减少计算复杂度，逐像素均方误差损失的计算方法如下：其中，和分别表示第张低分辨率模糊图像和真实高分辨率图像；表示图像经过上采样子网络处理后生成的图像；表示图像经过上采样子网络和细化子网络后生成的超分辨图像；和分别表示上采样子网络和细化子网络；参数输入图像的数量；表示范数，用于求取均方值误差损失；步骤4.2，为了减少真实图像和超分辨率图像之间的视觉差异，将GAN网络中的对抗损失函数添加到目标损失函数中；对抗损失函数的定义如下： 其中，取2、自然常数e和10为底数；表示判别式网络；表示超分辨率重构图像是真实高分辨率图像的概率；生成式网络学习的是真实高分辨图像数据的分布,让自身生成的超分辨率重构图像更加真实；上述过程通过对抗损失函数驱动生成与真实高分辨图像足够相似的重构图像；步骤4.3，判别式网络是一个多任务分类的网络，不仅能判别高分辨率图像和生成的重构图像，而且能识别候选区域是否为飞机目标；分类损失函数的定义如下： 其中，取2、自然常数e和10为底数；表示图像对应的标签信息；当时，图像为飞机小目标，而当时，图像为地面背景干扰物；利用分类损失函数引导判别式网络学会区分真实高分辨率图像与超分辨重构图像以及小目标与地面背景干扰物，促进生成式网络重建更清晰的图像，以便于目标分类；步骤4.4，将上述内容损失函数、对抗损失函数和分类损失函数结合起来，设计多任务分类损失函数，定义如下：其中和是权重参数,且默认值分别为，。

全文数据：

权利要求：

百度查询： 山东航天电子技术研究所 一种基于遥感目标识别任务驱动的图像超分辨方法