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：东北大学

摘要：本申请涉及遥感影像智能解译与矿区灾害监测交叉技术领域，公开了一种基于高分辨率SAR影像的覆雪条件下结构面识别方法；包括：在露天矿边坡覆雪前采集高分辨率机载SAR影像和高分辨率机载光学影像；对高分辨率机载SAR影像和高分辨率机载光学影像进行配准、裁剪切片和清洗获得SAR‑光学影像数据集；建立C‑HR‑GAN模型，C‑HR‑GAN模型包括光学影像生成网络、光学影像判别网络、总损失函数；将SAR‑光学影像数据集输入至C‑HR‑GAN模型进行训练，获取损失最小的C‑HR‑GAN模型；将覆雪后的SAR影像输入至损失最小的C‑HR‑GAN模型，输出光学影像，对光学影像进行影像质量评估并识别结构面信息。

主权项：1.一种基于高分辨率SAR影像的覆雪条件下结构面识别方法，其特征在于，所述方法包括以下步骤：步骤1，在露天矿边坡覆雪前同步采集高分辨率机载合成孔径雷达机载SAR影像和高分辨率机载光学影像，所述高分辨率表示分辨率小于或等于0.15m×0.15m；步骤2，利用旋转-缩放-平移RST模型对所述高分辨率机载SAR影像和所述高分辨率机载光学影像进行配准，并对配准后的影像进行裁剪切片和清洗获得配对SAR-光学影像数据集；步骤3，建立基于一致性的高分辨率生成对抗网络C-HR-GAN模型，所述C-HR-GAN模型包括光学影像生成网络、光学影像判别网络、总损失函数；所述光学影像生成网络用于提取所述SAR-光学影像数据集中的SAR影像的局部特征和全局特征，并对所述局部特征和全局特征进行特征融合；所述光学影像判别网络包括多尺度判别器和马尔科夫随机场的判别器；所述总损失函数包括生成对抗损失函数、特征匹配损失函数、基于一致性的平均结构相似性CMSSIM损失函数，其中，所述特征匹配损失函数基于所述SAR-光学影像数据集中的SAR影像和所述高分辨率光学影像的特征匹配损失确定，所述CMSSIM损失函数基于所述SAR-光学影像数据集中的光学影像和所述高分辨率光学影像的结构相似度确定；步骤4，将所述SAR-光学影像数据集输入至所述C-HR-GAN模型中进行训练，获取损失最小的C-HR-GAN模型；步骤5，在高寒高海拔矿区采集覆雪后的高分辨率机载SAR影像，输入至所述损失最小的C-HR-GAN模型，获取所述损失最小的C-HR-GAN模型输出的光学影像，对所述光学影像进行影像质量评估并识别结构面信息。

全文数据：

权利要求：

百度查询： 东北大学 一种基于高分辨率SAR影像的覆雪条件下结构面识别方法