公开(公告)号：CN117314751A

公开(公告)日：2023-12-29

申请号：CN202311357268.6

申请日：2023-10-19

Applicant: 南京信息工程大学

Inventor： 戴鹏远 ,  刘文杰

IPC: G06T3/40 ,  G06V10/764 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于生成式对抗网络的遥感图像超分辨率重建方法，包括如下步骤：获取待重建的实际遥感图像输入至训练好的超分辨率重建模型，得到重建后的实际遥感图像；其中，训练方法包括如下步骤：获取训练集；将训练集输入至预构建的超分辨率重建模型中进行进行生成器和判别器的交替对抗性迭代训练，直至满足预设的迭代条件，输出训练好的超分辨率重建模型；其中，预构建的超分辨率重建模型包括一个分类器、多个生成器和判别器。通过分类器对接收到的图像进行分类，确定图像的图像类型，提高图像处理的效率和质量；同时，通过生成器和判别器的交替对抗性迭代训练，确定生成器的最终的参数，进一步提高图像处理的效率和质量，图像效果更好。

公开(公告)号：CN118172249A

公开(公告)日：2024-06-11

申请号：CN202410366645.0

申请日：2024-03-28

Applicant: 南京信息工程大学

Inventor： 戴鹏远 ,  瞿治国 ,  刘文杰

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/082

Abstract: 本发明公开了一种遥感图像超分辨率重建方法，属于图像超分辨率重建技术领域，方法包括：将待重建的低分辨率图像输入至训练好的超分辨率重建模型，获取重建的高分辨率图像；其中，所述超分辨率重建模型是结合Swin Transformer网络和CNN网络构建的生成对抗网络，包括：生成器网络模块：用于基于待重建的低分辨率图像，获取重建的高分辨率图像；判别器网络模块：用于基于待重建的低分辨率图像所对应的真实的高分辨率图像，判别重建的高分辨率图像的真实性；损失计算模块：用于基于判别器损失函数和生成器损失函数计算判别器损失和生成器损失。该方法能够对低分辨率的卫星遥感图像进行超分辨率重建。