CN114565528B 一种基于多尺度和注意力机制的遥感影像降噪方法及系统 （中南大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114565528B(45)授权公告日2025.01.10

(21)申请号202210183952.6

(22)申请日2022.02.28

(65)同一申请的已公布的文献号申请公布号CN114565528A

(43)申请公布日2022.05.31

GO6N3/08(2023.01)

(56)对比文件

CN113688813A,2021.11.23CN113706388A,2021.11.26审查员邓清清

(73)专利权人中南大学

地址410083湖南省长沙市岳麓区麓山南

路932号

(72)发明人王建新马雷成建宏

(74)专利代理机构长沙市融智专利事务所(普通合伙)43114

专利代理师欧阳迪奇

(51)Int.CI.

GO6T5/70(2024.01)

GO6T5/60(2024.01)权利要求书3页说明书9页附图2页

(54)发明名称

一种基于多尺度和注意力机制的遥感影像降噪方法及系统

(57)摘要

CN114565528B本发明公开了一种基于多尺度和注意力机制的遥感影像降噪方法及系统，该方法包括：获取初始遥感影像并进行噪声添加得到噪声影像；构建遥感影像深度降噪模型，并利用初始遥感影像及其对应的噪声影像进行模型训练；模型为U型结构，其至少包括编码结构、解码结构以及跳跃连接结构，编码结构和解码结构中均设有基于多头自注意力模块的局部窗口增强模块，跳跃连接结构将编码结构中每一层局部窗口增强模块的输出连接到解码结构中对应一层的局部窗口增强模块；将待降噪的遥感影像输入训练后的遥感影像深度降噪模型，将输出结果与待降噪的遥感影像进行像素级别的相加，得到降噪后的遥感

CN114565528B

获取初始

获取初始逗感影像

添加噪声随机裁剪随机旋转随机翻转

建立基于多尺度和主意力机制的降噪噪型二

模型测试

遥感影像数据获取：

模块

降噪效果评估

降噪评估模块

数据增强模块

数据降噪模块

测试数据

CN114565528B权利要求书1/3页

2

1.一种基于多尺度和注意力机制的遥感影像降噪方法，其特征在于：包括以下步骤：

步骤1:获取初始遥感影像，并将其作为样本；

步骤2:对所述初始遥感影像进行预处理，所述预处理至少包括噪声添加，其中，在所述初始遥感影像上添加噪声后得到噪声影像；

步骤3:构建基于多尺度和注意力机制的遥感影像深度降噪模型，并利用所述初始遥感影像及其对应的噪声影像进行模型训练；

其中，所述遥感影像深度降噪模型为U型结构，其至少包括编码结构、解码结构以及跳跃连接结构，所述编码结构和所述解码结构中均设有基于多头自注意力模块的局部窗口增强模块，所述跳跃连接结构将所述编码结构中每一层局部窗口增强模块的输出连接到所述解码结构中对应一层的局部窗口增强模块；

步骤4:将待降噪的遥感影像输入训练后的所述遥感影像深度降噪模型，将输出结果与所述待降噪的遥感影像进行像素级别的相加，得到降噪后的遥感影像；

第1层的所述局部窗口增强模块中基于窗口的所述多头自注意力模块的数据处理表示为：

X=WMSA(LN(X-1))+X1

式中，X?为多头自注意力模块的输出，WMSA为基于窗口的多头自注意力模块算法表达，LN表示层归一化，X1-1表示第1-1层的输出作为第1层的所述局部窗口增强模块的输入；

其中，针对任一层次，所述多头自注意力模块的数据处理过程为：

首先，将输入当前层次的二维特征图X∈R×H×W裁剪成N个窗口大小为M×M的非重叠窗口，C、H、W是当前层次的二维特征图X的通道数、高度和宽度，N、M为正整数；

X={X1,x2,..,x},N=HW/M2

其次，对每个窗口i进行扁平化和转置操作，得到特征Xi∈RC×M2,R表示特征图；

然后将每个特征输入多个自注意力模块；

其中，若自注意力模块编号为k,自注意力模块的输入维度为d=C/k,计算非重叠窗口中的第k个自注意力模块可定义为：

Yk=Attention(xiw,xiwk,xiwK),i=1,…,N,

Xk={Yk,Y2,…,Y}

其中，SoftMax是归一化指数函数，B是相对位置偏移，Q、K、V表示Query,