一种基于耦合学习的薄云降质数据集的构建方法
技术特征：
1.一种基于耦合学习的薄云降质数据集的构建方法，其特征在于，包括：
2.根据权利要求1所述的基于耦合学习的薄云降质数据集的构建方法，其特征在于，所述单波段薄云模拟器采用风格生成对抗网络模型，所述单波段薄云模拟器包括生成器，所述生成器用于将随机噪声向量生成单波段薄云图像，所述生成器为多层结构，其中，每层结构分别对应不同分辨率的图像，且均包括依次连接的转置卷积层和激活函数层；
3.根据权利要求2所述的基于耦合学习的薄云降质数据集的构建方法，其特征在于，每个所述转置卷积层均引入随机噪声，所述随机噪声与对应所述转置卷积层的输出进行逐元素相加。
4.根据权利要求2所述的基于耦合学习的薄云降质数据集的构建方法，其特征在于，所述单波段薄云模拟器的训练方法，包括：
5.根据权利要求4所述的基于耦合学习的薄云降质数据集的构建方法，其特征在于，所述对云形态数据集进行预处理得到预处理的云形态数据集，包括：
6.根据权利要求4所述的基于耦合学习的薄云降质数据集的构建方法，其特征在于，所述损失函数包括特征损失函数、风格损失函数和对抗损失函数，所述特征损失函数用于计算生成图像与真实图像在感知模型中的特征距离，其表达式为：
7.根据权利要求1所述的基于耦合学习的薄云降质数据集的构建方法，其特征在于，所述简化光学散射定律通过利用卷云波段的反射率表征环境参数得到，具体包括：
8.根据权利要求1所述的基于耦合学习的薄云降质数据集的构建方法，其特征在于，所述将单波段薄云影像通过简化光学散射定律进行波段扩展生成多波段薄云影像，包括：
9.根据权利要求1所述的基于耦合学习的薄云降质数据集的构建方法，其特征在于，所述晴空无云数据集的构建方法，包括：
10.根据权利要求1所述的基于耦合学习的薄云降质数据集的构建方法，其特征在于，所述在晴空无云数据集中选择一张晴空无云影像，根据成像模型叠加多波段薄云影像与晴空无云影像得到薄云降质影像，包括：
技术总结
本发明公开了一种基于耦合学习的薄云降质数据集的构建方法，具体涉及遥感影像模拟技术领域，其主要包含数据驱动引导的云空间模拟、散射定律引导的云波段合成以及基于成像机理的数据集构建三个阶段。空间形态模拟阶段基于卷云波段构建单波段薄云形态数据集，并在深度挖掘数据特征的基础上获得单波段薄云模拟器，实现单波段薄云的无限量高保真生成；光谱特征合成阶段简化光学散射定律，从而直接表征波段间相关关系，实现多波段薄云的高保真生成；根据成像模型实现“薄云降质‑晴空无云”数据对构建。本发明的技术方案可为遥感影像薄云校正（或检测）网络的训练提供海量数据基础，促进了相关算法的发展，提高了遥感数据的实际利用率。
技术研发人员：李慧芳,徐立颖
受保护的技术使用者：武汉大学
技术研发日：
技术公布日：2024/12/2
技术研发人员：李慧芳,徐立颖
技术所有人：武汉大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除