公开(公告)号：CN115861099B

公开(公告)日：2024-02-13

申请号：CN202211484673.X

申请日：2022-11-24

Applicant: 南京信息工程大学

Inventor： 赵丽玲 ,  端木笑傲

IPC: G06T5/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种引入物理成像先验知识约束的卫星云图图像复原方法，包括步骤：S1，搭建PKKernelGAN+ZSSR图像退化模糊核估计深度神经网络；S2，构建成像退化矩阵；S3，将成像退化矩阵写入损失函数，训练PKKernelGAN网络，获得云图图像退化模糊核估计网络PKKernel‑G；S4，构建“高质量‑低质量”成对云图图像数据集；S5，基于“高质量‑低质量”成对云图图像数据集，训练云图图像复原深度神经网络ZSSR；S6，将原始云图图像输入步骤S5训练好的云图图像复原深度神经网络ZSSR，得到最终输出的高质量复原云图图像。本发明能度量云图图像物理成像损失，提升图像复原效果。

公开(公告)号：CN115861099A

公开(公告)日：2023-03-28

申请号：CN202211484673.X

申请日：2022-11-24

Applicant: 南京信息工程大学

Inventor： 赵丽玲 ,  端木笑傲

IPC: G06T5/00 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种引入物理成像先验知识约束的卫星云图图像复原方法，包括步骤：S1，搭建PKKernelGAN+ZSSR图像退化模糊核估计深度神经网络；S2，构建成像退化矩阵；S3，将成像退化矩阵写入损失函数，训练PKKernelGAN网络，获得云图图像退化模糊核估计网络PKKernel‑G；S4，构建“高质量‑低质量”成对云图图像数据集；S5，基于“高质量‑低质量”成对云图图像数据集，训练云图图像复原深度神经网络ZSSR；S6，将原始云图图像输入步骤S5训练好的云图图像复原深度神经网络ZSSR，得到最终输出的高质量复原云图图像。本发明能度量云图图像物理成像损失，提升图像复原效果。