本发明涉及图像处理，尤其涉及一种超分辨率遥感图像生成器的训练方法及装置。
背景技术：
1、图像是人类获取、表达和传递信息的重要手段，因此图像对人类有着重要的意义。随着图像处理技术的深入发展，计算机视觉技术被广泛应用于各个领域，如科学研究、生物医学、航空航天、工业等。
2、但是成像设备和成像环境限制了图像的分辨率，获得的图像常是低分辨率的，这并不能满足人们的需求。图像超分辨重建技术，是在不改变设备性能和成本的情况下，将低质量图像重建为高质量图像。因此，图像超分辨率重建技术的研究是十分有必要的。
3、现有的遥感影像超分辨率模型训练方法的训练集大都基于一阶退化建模过程得来，或者退化建模过程不符合遥感图像本身退化，或者所考虑到的退化因素不足，使得来自真实退化的遥感图像无法得到很好的重建效果，导致最终生成的图像的视觉效果较差。
技术实现思路
1、本发明提供了一种超分辨率遥感图像生成器的训练方法及装置，用于解决现有的遥感影像超分辨率模型训练方法导致最终生成的图像的视觉效果较差的技术问题。
2、本发明第一方面提供的一种超分辨率遥感图像生成器的训练方法，包括：
3、获取待训练高分辨率原图，并对所述待训练高分辨率原图进行多重退化，生成低分辨率图像；
4、通过初始超分辨率遥感图像生成器对所述低分辨率图像进行图像重构，输出待训练超分辨率图像；
5、将所述待训练超分辨率图像和所述待训练高分辨率原图输入至预置鉴别器进行判别，输出图像判别结果；
6、采用所述待训练超分辨率图像、所述待训练高分辨率原图和所述图像判别结果对所述初始超分辨率遥感图像生成器进行训练，确定目标超分辨率遥感图像生成器。
7、可选地，所述对所述待训练高分辨率原图进行多重退化，生成低分辨率图像的步骤，包括：
8、对所述待训练高分辨率原图执行高斯模糊操作，生成第一高斯模糊图像；
9、对所述第一高斯模糊图像进行随机下采样，输出第一下采样图像；
10、对所述第一下采样图像执行雾化操作，生成雾化图像；
11、对所述雾化图像注入预置随机噪声，输出噪声图像；
12、对所述噪声图像执行高斯模糊操作，生成第二高斯模糊图像；
13、对所述第二高斯模糊图像进行随机下采样，输出第二下采样图像；
14、对所述第二下采样图像注入所述预置随机噪声，生成低分辨率图像。
15、可选地，所述初始超分辨率遥感图像生成器包括3×3卷积层、二十四个串联的多通道特征残差注意力提取模块和上采样模块；所述通过初始超分辨率遥感图像生成器对所述低分辨率图像进行图像重构，输出待训练超分辨率图像的步骤，包括：
16、采用所述3×3卷积层对所述低分辨率图像进行卷积运算，输出中间卷积特征图；
17、通过所述二十四个串联的多通道特征残差注意力提取模块对所述中间卷积特征图进行深度特征提取，输出深度特征图；
18、对所述深度特征图和所述中间卷积特征图进行叠加，生成叠加特征图；
19、将所述叠加特征图输入至所述上采样模块进行上采样，输出上采样特征图；
20、对所述低分辨率图像执行图像插值操作，生成低频分量；
21、对所述低频分量和所述上采样特征图进行叠加，输出待训练超分辨率图像。
22、可选地，所述多通道特征残差注意力提取模块包括多个残差卷积块、1×1卷积层、通道注意力层和拼接层；所述多个残差卷积块包括第一残差卷积块、第二残差卷积块、第三残差卷积块、第四残差卷积块、第五残差卷积块、第六残差卷积块；所述多通道特征残差注意力提取模块的图像处理过程，包括：
23、对输入至所述多通道特征残差注意力提取模块的第一输入特征图进行划分，确定第一划分特征图和第二划分特征图；
24、采用第一残差卷积块对所述第一划分特征图进行残差卷积，输出第一残差卷积特征图并进行划分，确定第三划分特征图和第四划分特征图；
25、通过第二残差卷积块对所述第三划分特征图进行残差卷积，生成第二残差卷积特征图并进行划分，确定第五划分特征图和第六划分特征图；
26、将所述第五划分特征图输入至第三残差卷积块进行残差卷积，输出第三残差卷积特征图并执行切片操作，生成切片特征图；
27、通过1×1卷积层分别对所述第二划分特征图、所述第四划分特征图、所述第六划分特征图和所述切片特征图进行卷积运算，输出第一卷积特征图、第二卷积特征图、第三卷积特征图和第四卷积特征图；
28、采用第四残差卷积块对所述第一卷积特征图进行残差卷积，生成第四残差卷积特征图并与所述第二卷积特征图进行合并，生成第一合并特征图；
29、将所述第一合并特征图输入至第五残差卷积块进行残差卷积，输出第五残差卷积特征图并与所述第三卷积特征图进行合并，生成第二合并特征图；
30、采用第六残差卷积块对所述第二合并特征图进行残差卷积，生成第六残差卷积特征图并与所述第四卷积特征图进行合并，输出第三合并特征图；
31、通过1×1卷积层对所述第三合并特征图进行卷积运算，生成第五卷积特征图，并采用通道注意力层对所述第五卷积特征图进行强化特征提取，输出第一强化特征图；
32、通过通道注意力层分别对所述第二划分特征图、所述第四划分特征图、所述第六划分特征图和所述切片特征图进行强化特征提取，生成第二强化特征图、第三强化特征图、第四强化特征图和第五强化特征图；
33、采用拼接层对所述第二强化特征图、所述第三强化特征图、所述第四强化特征图和所述第五强化特征图进行拼接，生成拼接特征图，并通过1×1卷积层对所述拼接特征图进行卷积运算，输出第六卷积特征图；
34、对所述第六卷积特征图、所述第一强化特征图和所述第一输入特征图进行叠加，生成第一输出特征图。
35、可选地，所述残差卷积块包括包括3×3卷积层和激活函数层；所述残差卷积块的图像处理过程，包括：
36、将输入所述残差卷积块的第二输入特征图通过3×3卷积层进行卷积运算，输出初始卷积特征图；
37、采用激活函数层对所述初始卷积特征图进行线性变换，生成变换特征图；
38、通过3×3卷积层对所述变换特征图进行卷积运算，输出目标特征图；
39、对所述目标特征图和所述第二输入特征图进行叠加，生成第二输出特征图。
40、可选地，所述采用所述待训练超分辨率图像、所述待训练高分辨率原图和所述图像判别结果对所述初始超分辨率遥感图像生成器进行训练，确定目标超分辨率遥感图像生成器的步骤，包括：
41、根据所述待训练超分辨率图像、所述待训练高分辨率原图和所述图像判别结果，计算目标损失值；
42、采用所述目标损失值对所述初始超分辨率遥感图像生成器的模型参数进行更新，确定中间超分辨率遥感图像生成器，并实时统计更新次数；
43、判断所述更新次数是否达到预置更新阈值；
44、若所述更新次数达到所述预置更新阈值，则将所述中间超分辨率遥感图像生成器作为所述目标超分辨率遥感图像生成器。
45、可选地，还包括：
46、获取待检测低分辨率原图；
47、通过所述目标超分辨率遥感图像生成器对所述待检测低分辨率原图进行图像重构，输出目标超分辨率图像。
48、本发明第二方面提供的一种超分辨率遥感图像生成器的训练装置，包括：
49、获取模块，用于获取待训练高分辨率原图，并对所述待训练高分辨率原图进行多重退化，生成低分辨率图像；
50、生成模块，用于通过初始超分辨率遥感图像生成器对所述低分辨率图像进行图像重构，输出待训练超分辨率图像；
51、判别模块，用于将所述待训练超分辨率图像和所述待训练高分辨率原图输入至预置鉴别器进行判别，输出图像判别结果；
52、训练模块，用于采用所述待训练超分辨率图像、所述待训练高分辨率原图和所述图像判别结果对所述初始超分辨率遥感图像生成器进行训练，确定目标超分辨率遥感图像生成器。
53、本发明第三方面提供的一种计算机设备，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上述任一项所述的超分辨率遥感图像生成器的训练方法的步骤。
54、本发明第四方面提供的一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现如上述任一项所述的超分辨率遥感图像生成器的训练方法的步骤。
55、从以上技术方案可以看出，本发明具有以下优点：
56、本发明的上述技术方案提供了一种超分辨率遥感图像生成器的训练方法，首先获取待训练高分辨率原图，并对待训练高分辨率原图进行多重退化，生成低分辨率图像；接着，通过初始超分辨率遥感图像生成器对低分辨率图像进行图像重构，输出待训练超分辨率图像；将待训练超分辨率图像和待训练高分辨率原图输入至预置鉴别器进行判别，输出图像判别结果；采用待训练超分辨率图像、待训练高分辨率原图和图像判别结果对初始超分辨率遥感图像生成器进行训练，确定目标超分辨率遥感图像生成器；基于上述方案，对获取的待训练高分辨率原图进行多重退化，根据生成的低分辨率图像，训练得到目标超分辨率遥感图像生成器，该过程设计了多重退化过程，能够符合遥感图像本身退化因素的多退化过程，使得经过训练得到的目标超分辨率遥感图像生成器可以很好地重建低分辨率图像，进一步地提高了生成的图像的视觉效果。
1.一种超分辨率遥感图像生成器的训练方法，其特征在于，包括：
2.根据权利要求1所述的超分辨率遥感图像生成器的训练方法，其特征在于，所述对所述待训练高分辨率原图进行多重退化，生成低分辨率图像的步骤，包括：
3.根据权利要求1所述的超分辨率遥感图像生成器的训练方法，其特征在于，所述初始超分辨率遥感图像生成器包括3×3卷积层、二十四个串联的多通道特征残差注意力提取模块和上采样模块；所述通过初始超分辨率遥感图像生成器对所述低分辨率图像进行图像重构，输出待训练超分辨率图像的步骤，包括：
4.根据权利要求3所述的超分辨率遥感图像生成器的训练方法，其特征在于，所述多通道特征残差注意力提取模块包括多个残差卷积块、1×1卷积层、通道注意力层和拼接层；所述多个残差卷积块包括第一残差卷积块、第二残差卷积块、第三残差卷积块、第四残差卷积块、第五残差卷积块、第六残差卷积块；所述多通道特征残差注意力提取模块的图像处理过程，包括：
5.根据权利要求4所述的超分辨率遥感图像生成器的训练方法，其特征在于，所述残差卷积块包括包括3×3卷积层和激活函数层；所述残差卷积块的图像处理过程，包括：
6.根据权利要求1所述的超分辨率遥感图像生成器的训练方法，其特征在于，所述采用所述待训练超分辨率图像、所述待训练高分辨率原图和所述图像判别结果对所述初始超分辨率遥感图像生成器进行训练，确定目标超分辨率遥感图像生成器的步骤，包括：
7.根据权利要求1所述的超分辨率遥感图像生成器的训练方法，其特征在于，还包括：
8.一种超分辨率遥感图像生成器的训练装置，其特征在于，包括：
9.一种计算机设备，其特征在于，包括存储器及处理器，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1-7任一项所述的超分辨率遥感图像生成器的训练方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现如权利要求1-7任一项所述的超分辨率遥感图像生成器的训练方法。
