[发明专利]一种基于多模态遥感图像细粒度弱特征目标涌现检测方法

权利要求书

1.一种基于多模态遥感图像细粒度弱特征的目标涌现检测方法，其特点在于：所述弱特征是指尺度小且易被背景干扰的目标；所述细粒度指检测时对目标进行精细的类别区分，具体包括以下步骤：

(1)将标注好的同时包括可见光、全色、红外和SAR多个通道的多模态遥感图像数据集划分为训练集和测试集，并对训练集和测试集进行归一化、高斯去噪等预处理。其中训练集用于对深度卷积神经网络进行初始训练，测试集用于验证训练效果的有效性；

(2)利用加入了三维卷积模块的深度卷积神经网络对多模态遥感图像数据进行通道维优选，并最终提取出图像语义特征；进而在语义特征基础上构建多层次特征金字塔；所述多模态遥感图像是H*W*C的三维图像矩阵，H和W分别指图像的高和宽，C指图像的通道数；

(3)利用原始标注信息构建语义真值图，训练深度卷积神经网络中增加的语义引导模块，语义引导模块用于抑制背景的干扰、提升对弱特征目标的检测效果；所述原始标注信息为数据集中标注的目标方框的位置；

在对所述深度卷积神经网络整体进行训练时，将训练阶段前向推理过程中预测得到的语义信息与真实标注信息语义真值进行对比，通过损失函数计算预测得到的语义信息与正确语义信息之间的差距，将差距大小通过梯度的反向传播对网络参数进行修正，使深度卷积神经网络参数发生改变，最终实现对深度卷积神经网络中主干部分输出的原始特征图进行引导修正的目的；

(4)使用单阶段的旋转框检测头，在修正后的特征图上直接进行目标类别与位置信息的预测，再进行位置信息的解码，得到最终的旋转框检测结果，即得到多模态遥感图像细粒度弱特征目标的检测结果。

2.根据权利要求1所述的一种基于多模态遥感图像细粒度弱特征目标涌现检测方法，其特征是：所述步骤(1)中，预处理是对可见光、全色、红外图像归一化至0-255，对SAR图像进行高斯差滤波。

3.根据权利要求1所述的一种基于多模态遥感图像细粒度弱特征目标涌现检测方法，其特征是：所述步骤(2)中，三维卷积模块通过梯度反向传播的优化过程实现对输入多模态遥感图像数据在通道维度的优选。