[发明专利]基于深度度量学习的卫星遥感图像目标关联方法和装置

说明书

本发明公开了一种基于卫星遥感图像的CNN训练及多目标关联方法，其中，基于卫星遥感图像的CNN训练方法包括：构建目标对象的训练样本集；所述训练样本集包括所述目标对象的不同类型图像的样本对；所述目标对象包括多个类别；将所述训练样本集输入至卷积神经网络进行训练；其中，训练得到的卷积神经网络用于对所述目标对象进行多目标关联；所述卷积神经网络为孪生卷积神经网络。本发明的技术方案能够降低利用单一特征关联引起的模糊性，从而提高对目标对象进行多目标关联的准确率。

技术领域

本发明实施例涉及图像处理技术领域，尤其涉及一种基于卫星遥感图像的CNN训练、多目标关联方法、装置、设备及介质。

背景技术

目标关联指的是在图像配准的基础上，将不同时刻获取的包括目标对象的图像中，对目标对象进行准确对应，类似于对图像中的多个目标对象分别进行追踪。

目标关联出现错误将直接影响进一步融合识别和跟踪的合理性和准确性。部分类型图像对应的观测范围广，且同一区域存在多个相似感兴趣目标。对于这类图像，如果仅利用单一的目标图像特征作为关联量容易出现错误关联，严重降低融合识别和跟踪的处理效果。

发明内容

本发明实施例提供一种基于卫星遥感图像的CNN训练、多目标关联方法、装置、设备及介质，以降低利用单一特征关联引起的模糊性，从而提高对目标对象进行多目标关联的准确率。

第一方面，本发明实施例提供了一种基于卫星遥感图像的CNN训练方法，包括：

构建目标对象的训练样本集；所述训练样本集包括所述目标对象的不同类型图像的样本对；所述图像为多源卫星遥感图像；所述目标对象包括多个类别；

将所述训练样本集输入至卷积神经网络进行训练；

其中，训练得到的卷积神经网络用于对所述目标对象进行多目标关联；所述卷积神经网络为孪生卷积神经网络。

第二方面，本发明实施例还提供了一种基于卫星遥感图像的多目标关联方法，包括：

获取目标对象的待识别图像；所述待识别图像包括所述目标对象的不同类型图像对；所述目标对象包括多个类别；所述待识别图像中的各个图像包括多个类别的目标对象；所述待识别图像为多源卫星遥感图像；

将所述目标对象的待识别图像输入至通过第一方面所述基于卫星遥感图像的CNN训练方法得到的卷积神经网络中，得到多目标检测结果；

对所述多目标检测结果求解，以根据所述多目标检测结果确定多目标关联结果。

第三方面，本发明实施例还提供了一种基于卫星遥感图像的CNN训练装置，包括：

训练样本集构建模块，用于构建目标对象的训练样本集；所述训练样本集包括所述目标对象的不同类型图像的样本对；所述图像为多源卫星遥感图像；所述目标对象包括多个类别；

网络训练模块，用于将所述训练样本集输入至卷积神经网络进行训练；

其中，训练得到的卷积神经网络用于对所述目标对象进行多目标关联；所述卷积神经网络为孪生卷积神经网络。

第四方面，本发明实施例还提供了一种基于卫星遥感图像的多目标关联装置，包括：

待识别图像获取模块，用于获取目标对象的待识别图像；所述待识别图像包括所述目标对象的不同类型图像对；所述目标对象包括多个类别；所述待识别图像中的各个图像包括多个类别的目标对象；所述待识别图像为多源卫星遥感图像；

多目标检测结果获取模块，用于将所述目标对象的待识别图像输入至通过上述任一所述基于卫星遥感图像的CNN训练方法得到的卷积神经网络中，得到多目标检测结果；