发明方法示意图/专利授权证书

遥感影像智能修复技术领域

1.专利信息

专利类型：发明

专利权人：北京数慧时空信息技术有限公司

申请号：202211598171.X

2.专利说明书摘要

本发明提出了一种基于GAN的多时相遥感数据修复方法。首先，创建多时相生成对抗网络，该网络包括多时相生成器和判别器，多时相生成器通过基础生成器的层内并联、层间串联得到；其次，对多时相生成对抗网络进行训练；最后，基于多时相生成对抗网络对多张有质量缺陷的多时相遥感数据进行修复，获得已修复的遥感数据。本方法基于多张多时相遥感数据之间的信息互补，通过多时相生成对抗网络完成数据修复，该方法对用于数据修复的多时相遥感数据既没有质量要求也没有配准要求，大大降低了多时相遥感数据获取的难度和遥感数据修复的门槛。

3.创新点

本发明提供一种基于GAN的多时相遥感数据修复方法。利用生成对抗网络可以进行无监督学习并生成高质量图像的独特优势，通过建立多时相生成对抗生成网络，根据多时相遥感数据与待修复遥感数据之间的相关性进行影像修复。与传统影像修复方法相比，该方法既不需要对多时相遥感数据进行几何精校准，也不需要对多时相遥感数据的质量做过多限制。即使多时相遥感数据与待修复遥感数据的信息缺失区域高度重合，利用该方法也能对信息缺失区域进行较好的修复。 

4.痛点问题

在数据采集过程中，由于传感器缺陷或大气状况，获取的遥感数据可能存在信息缺失（例如死像元、光污染、云污染）。在大中尺度区域的遥感应用研究中，因季节、气候等条件以及卫星重返周期长等情况，遥感影像也会存在信息缺失。此类情况下，高质量的影像修复方法具有重要意义。

常见的缺失信息重建方法主要有基于空间的方法、基于光谱的方法和基于时间的方法。基于空间的方法是通过待修复影像的自身信息（例如纹理信息）进行缺失信息的重建，不参考任何其他的辅助信息；基于光谱的方法是从待修复影像的其他光谱中提取互补信息进行缺失信息的重建；基于时间的方法是从待修复影像的相同位置、不同时间段获取的遥感数据中提取互补信息进行缺失信息重建。

以上三类方法都只依赖于一种域（空间域、光谱域或时间域）的相关性，修复效果不稳定。另外，基于时间的方法进行缺失信息重建有两个方面的难题：一方面，为了保证多时相遥感数据与待修复遥感数据之间的相关性，需要保证二者的时间间隔足够小，以保证土地覆盖变化不大。但是，采集时间间隔短的情况下，云污染等影响因素依然存在，导致每张多时相遥感数据都有大量的信息缺失区域。因此二者的信息缺失区域大面积重合，不能获得信息缺失区域的高质量修复结果；另一方面，在进行待修复遥感数据的修复前，通常需要对多时相遥感数据进行几何精校准以保证多时相遥感数据之间的特征连续性，造成人力成本和时间成本高，智能化水平低。

数慧时空遥感云脑DIEY依托自然资源多模态基础大模型“长城”，采用云原生、大数据、深度学习、知识图谱等新一代信息技术，构建国产化、自动化、智能化、业务化的遥感数据处理及应用服务框架，打通从原始卫星影像数据获取到行业应用的全链条生产工序。

目前，本项发明专利已成功应用到影像智能统筹系统当中。系统将知识图谱、深度学习等新一代信息技术与各行业相关业务规则深度融合，针对不同的行业及业务应用需求，建立以业务应用场景为驱动的统筹推荐策略，实现快速、准确、自动地挑选出满足目标区域内质量最优、时相最佳、成本最低、覆盖率最全的卫星遥感影像数据。

其中，系统依据相关的行业标准与规范，设置了多项质检规则，建立了定性化和定量化的影像质量检查多模态大模型，实现对海量、多源卫星遥感影像数据高效、快捷的自动化质量检查。对于薄云、阴影、空值、条带异常等影像问题，在系统质检后进行自动修复，提高影像的可用域范围。

在影像统筹过程中，系统可根据所需空间范围和时间范围进行自动挑片，并自动生成无云无雾、色彩一致的区域一张图。