[发明专利]一种基于监督对比学习的遥感影像遮挡处理方法及装置

权利要求书

1.一种基于监督对比学习的遥感影像遮挡处理方法，其特征在于，包括：

构建参数共享的孪生ResNet－50模型，并利用训练集对所述孪生ResNet－50模型进行训练，获得遮挡处理模型；其中，所述孪生ResNet－50模型包括由无遮挡影像特征提取分支和随机遮挡影像特征提取分支构成的特征提取结构、以及场景分类结构，所述训练集包括若干个第二遥感影像、以及每个所述第二遥感影像对应的类别标签；

将待识别的第一遥感影像输入至所述遮挡处理模型，以使所述遮挡处理模型对所述第一遥感影像进行特征提取和场景分类，并输出所述第一遥感影像对应的第一类别，作为所述第一遥感影像的遥感影像遮挡处理结果。

2.如权利要求1所述的一种基于监督对比学习的遥感影像遮挡处理方法，其特征在于，所述构建参数共享的孪生ResNet－50模型，并利用训练集对所述孪生ResNet－50模型进行训练，获得遮挡处理模型，具体为：

获取若干个第二遥感影像、以及每个所述第二遥感影像对应的类别标签，构建参数共享的孪生ResNet－50模型，并将所述第二遥感影像输入至所述孪生ResNet－50模型；其中，所述第二遥感影像为无遮挡遥感影像；

通过所述特征提取结构，对所述第二遥感影像分别进行恒等映射增强处理和随机尺寸、位置绿色矩形遮挡增强处理，获得对应的恒等映射增强影像和随机遮挡增强影像，并分别对所述恒等映射增强影像和所述随机遮挡增强影像进行逐级特征学习和逐级对比损失计算，获得所述第二遥感影像对应的第二类别和各级特征学习对比损失；

根据所述第二类别、所述类别标签和所述各级对比损失，计算得到总体损失，并按照预设的算法，结合所述总体损失，更新所述孪生ResNet－50模型的各参数，得到对应的初始模型，并将所述初始模型作为所述孪生ResNet－50模型，利用所述训练集，迭代训练所述孪生ResNet－50模型，直至训练次数达到预设次数，则将当前所述初始模型作为所述遮挡处理模型。

3.如权利要求2所述的一种基于监督对比学习的遥感影像遮挡处理方法，其特征在于，所述分别对所述恒等映射增强影像和所述随机遮挡增强影像进行逐级特征学习和逐级对比损失计算，获得所述第二遥感影像对应的第二类别和各级特征学习对比损失，具体为：

分别对所述恒等映射增强影像和所述随机遮挡增强影像进行逐级特征学习，并将每一级特征学习的输出作为下一级特征学习的输入；

从第二级特征学习开始，根据所述恒等映射增强影像和所述随机遮挡增强影像的各级特征学习的输出，计算得到所述各级特征学习对比损失；

通过场景分类结构，对所述随机遮挡增强影像对应的最后一级特征学习的输出进行分类处理，得到所述第二类别。

4.如权利要求2所述的一种基于监督对比学习的遥感影像遮挡处理方法，其特征在于，所述根据所述第二类别、所述类别标签和所述各级对比损失，计算得到总体损失，具体为：

对所述类别标签进行one－hot编码处理，得到对应的影像类别；

按照预设的计算方式，根据所述第二类别和所述影像类别，计算得到对应的分类损失；

结合所述分类损失和所述各级对比损失，获得所述总体损失。

5.如权利要求1或2所述的一种基于监督对比学习的遥感影像遮挡处理方法，其特征在于，还包括：

对所述第一遥感影像的特征提取结果进行TSNE降维处理，得到对应的特征分布图，实现所述第一遥感影像的特征提取结果的可视化。

6.一种基于监督对比学习的遥感影像遮挡处理装置，其特征在于，包括：

模型训练系统，用于构建参数共享的孪生ResNet－50模型，并利用训练集对所述孪生ResNet－50模型进行训练，获得遮挡处理模型；其中，所述孪生ResNet－50模型包括由无遮挡影像特征提取分支和随机遮挡影像特征提取分支构成的特征提取结构、以及场景分类结构，所述训练集包括若干个第二遥感影像、以及每个所述第二遥感影像对应的类别标签；

遮挡处理系统，用于将待识别的第一遥感影像输入至所述遮挡处理模型，以使所述遮挡处理模型对所述第一遥感影像进行特征提取和场景分类，并输出所述第一遥感影像对应的第一类别，作为所述第一遥感影像的遥感影像遮挡处理结果。