[发明专利]一种太赫兹图像信息解译方法、网络及存储介质

权利要求书

1.一种太赫兹图像信息解译方法，其特征在于，包括以下步骤：

对获取的低分辨率太赫兹图像进行超分辨率重构，获得超分辨率太赫兹图像；

利用至少一层卷积层对所述低分辨率太赫兹图像进行特征提取，获得低分辨率特征图；利用至少一层卷积层对所述超分辨率太赫兹图像进行特征提取，获得超分辨率特征图；

将所述低分辨率特征图和所述超分辨率特征图进行特征级图像融合，获得特征融合图；

对所述特征融合图进行区域提议，获得候选区域；对所述候选区域进行区域池化，获得区域池化结果；

对所述区域池化结果进行目标检测和/或语义分割，完成对太赫兹图像的信息解译；所述步骤：将所述低分辨率特征图和所述超分辨率特征图进行特征级图像融合，获得特征融合图，具体包括：

对所述低分辨率特征图依次进行反卷积、空洞卷积和L2归一化计算，获得低分辨率处理图；

对所述超分辨率特征图依次进行卷积核1*1的卷积和L2归一化计算，获得超分辨率处理图；

将所述低分辨率处理图和所述超分辨率处理图进行融合，之后进行ReLu激活函数计算，获得特征融合图；所述步骤：对所述区域池化结果进行目标检测和/或语义分割，完成对太赫兹图像的信息解译，具体包括：

对所述区域池化结果进行反卷积；

将所述区域池化结果的反卷积结果输入全连接层转化获得一维向量；

利用区域分类器和边框回归器分别对所述一维向量进行分类计算和边框回归计算，获得分类结果和边框回归结果；

根据分类结果对所述一维向量进行初步筛选获得属于预定类别的候选框，根据边框回归结果对所述候选框的位置进行偏移，获得目标检测图；

和/或，

对所述区域池化结果的反卷积结果进行上采样；对上采样的结果利用语义分类器进行分类，之后再进行上采样，获得语义分割图；所述步骤：对所述低分辨率特征图依次进行反卷积、空洞卷积和L2归一化计算，获得低分辨率处理图，之后还包括一步骤：

将所述低分辨率特征图的反卷积结果依次进行卷积核1*1的卷积和Softmax函数计算，获得损失值L₁；其中，Softmax函数计算利用级联标签指导的低分辨率标签；

所述步骤：利用区域分类器和边框回归器分别对所述一维向量进行分类计算和边框回归计算，获得分类结果和边框回归结果，之后还包括一步骤：

利用Softmax Loss 函数对区域分类器进行训练，获得损失值L₂₁；利用Smooth L1 Loss对边框回归器进行训练，获得损失值L₂₂；将损失值L₂₁和L₂₂叠加，获得损失值L₂；

所述步骤：对上采样的结果利用语义分类器进行分类，之后还包括一步骤：

利用级联标签指导的高分辨率标签对语义分类器进行分类训练，获得损失值L₃；

所述步骤：完成对太赫兹图像的信息解译，之后还包括一步骤：

计算总损失函数L；

若仅对所述区域池化结果进行目标检测，所述总损失函数L=λ₁L₁+λ₂L₂；

若仅对所述区域池化结果进行语义分割，所述总损失函数L=λ₁L₁+λ₃L₃；

若对所述区域池化结果进行目标检测和语义分割，所述总损失函数L=λ₁L₁+λ₂L₂+λ₃L₃；

最小化总损失函数L；

所述步骤：对获取的低分辨率太赫兹图像进行超分辨率重构，获得超分辨率太赫兹图像，具体包括：

利用超分辨率重构子网络对获取的低分辨率太赫兹图像进行超分辨率重构，获得超分辨率太赫兹图像；

其中，所述超分辨率重构子网络包括至少一个递归块，各所述递归块包括至少一个残差单元；最后一个所述递归块的输出值进行卷积后与所述低分辨率太赫兹图像叠加，获得所述超分辨率太赫兹图像。