[发明专利]一种基于多维的遥感图像微小目标检测方法有效

专利信息
申请号: 202011204146.X 申请日: 2020-11-02
公开(公告)号: CN112270279B 公开(公告)日: 2022-04-12
发明(设计)人: 李嫄源;张源川;朱智勤;李鹏华;冒睿睿 申请(专利权)人: 重庆邮电大学
主分类号: G06V20/10 分类号: G06V20/10;G06K9/62;G06N3/04;G06T7/40;G06V10/82;G06V10/80
代理公司: 北京同恒源知识产权代理有限公司 11275 代理人: 杨柳岸
地址: 400065 *** 国省代码: 重庆;50
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 多维 遥感 图像 微小 目标 检测 方法
【权利要求书】:

1.一种基于多维的遥感图像微小目标检测方法,其特征在于:该方法包括以下步骤:

1)M3DNet网络能够使用多个流提取微小目标的特征信息,首先选取N个不同深度的流构建多深度图像金字塔网络,该网络中不同的流输入不同分辨率的遥感图像;

2)使用浅层流输入高分辨率图像,专注于微小目标的纹理信息;深层流输入低分辨率图像,提取微小目标的深层语义信息,不同分辨率图像使用缩放因子β进行调整;

3)根据流的个数构建多尺度特征金字塔,将对应N个流的特征进行多尺度融合,缓解多尺度、多层次特征之间的不平衡性;不同维度特征层之间使用[1×1,1]的卷积网络进行维度匹配,不同尺度特征之间使用双线性插值算法进行尺度匹配;

4)多尺度特征金字塔网络将微小目标的语义信息和特征纹理信息从高层传播到低层,从深流传播到浅流;把匹配、融合后的多尺度特征再经过[1×1,1]的卷积操作,得到多尺度特征金字塔的输出F′i,其中i的取值范围由选取的特征层数确定;

5)再利用公式计算得到k的选值,作为选定的特征层;通过两个全连接层完成分类和回归任务;整个网络采用端到端的方式进行训练,通过梯度下降的方式更新权值,直至网络收敛;

所述1)中,多深度图像金字塔网络的具体步骤如下:

11)给定一张遥感图像,记为I,其分辨率大小记为R;

12)将高分辨率图像,图像为I0,分辨率为R,馈入浅层卷积神经网络,记为C0

13)将中分辨率图像,图像为I1,分辨率为βR,馈入中层卷积神经网络,记为C1

14)将低分辨率图像,图像为I2,分辨率为β2R,馈入深层卷积神经网络,记为C2;其中,β是一个超参数,用来调节分辨率大小,β∈(0,1);多深度图像金字塔网络能够构建N个流,即Ci,i={0,1,2,...,N-1},利用该网络提高微小目标的特征提取能力,使得提取的特征中既包含微小目标的强语义信息,又包含强特征纹理信息,从而提高微小目标的检测效果;

所述4)中,使用[1×1,1]的卷积网络进行维度匹配,上采样采用双线性插值算法,同大小特征图采用元素相加的方式;最高分辨率特征F0,0保持微小目标的强纹理特征,结合多尺度流中的强语义特征,通过公式(2)表示:

其中,i是多尺度索引,即不同流的索引,j是骨干网络的多层索引,Fi,j表示第i个流中的第j层特征,Up(·)表示上采样率为2的双线性插值上采样,Conv(·)表示[1×1,1]的卷积操作;多尺度特征金字塔网络的输出特征组为O′,定义如下式所示:

O′={F0′,F1′,F2′,...,F′i,...} (3)

其中,F′i的定义如下式所示:

F′i=Conv(F0,i) (4)

其中,F0,i为O0的输出特征,即最高分辨率所在流的输出特征层。

2.根据权利要求1所述的一种基于多维的遥感图像微小目标检测方法,其特征在于:所述2)中,N=3的M3DNet网络和ResNet骨干网络,C0、C1和C2分别是ResNet18、ResNet34和ResNet50,或者ResNet18、ResNet34和ResNet101,ResNet34、ResNet50和ResNet101的组合。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆邮电大学,未经重庆邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011204146.X/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top