[发明专利]一种基于深度学习的高分辨率遥感影像弱目标检测方法在审
| 申请号： | 201910870991.1 | 申请日： | 2019-09-16 |
| 公开（公告）号： | CN110728658A | 公开（公告）日： | 2020-01-24 |
| 发明（设计）人： | 王超;张洪艳;张良培 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T3/40;G06K9/00;G06K9/32;G06K9/62;G06N3/04 |
| 代理公司： | 42222 武汉科皓知识产权代理事务所(特殊普通合伙) | 代理人： | 罗飞 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的高分辨率遥感影像弱目标检测方法，对于分辨率低、目标尺寸小、质量模糊的遥感影像，首先采用基于WGAN的超分重建方法对影像进行分辨率提升，将质量增强后的影像输入到目标探测框架中，利用残差网络对影像进行深层特征提取，然后将提取到的低层特征与高层特征进行融合，保证融合后的多层特征图既具有丰富的细节信息又包含高层语义信息，利用融合后的多层特征，区域建议网络在特征图上进行感兴趣区域粗提取，并利用感兴趣区域对齐方法将所提取区域映射到相同维度，进行后续的目标精确分类与位置精修，得到最终的目标探测结果。该方法有效改善了遥感影像分辨率低、背景复杂情况下的弱小目标探测精度与召回率。 | ||
| 搜索关键词： | 感兴趣区域 目标探测 遥感影像 特征图 分辨率 多层 融合 影像 高分辨率遥感影像 高层语义信息 分辨率提升 低层特征 高层特征 弱小目标 特征提取 提取区域 细节信息 影像输入 质量增强 对齐 粗提取 弱目标 映射 残差 精修 维度 探测 网络 模糊 分类 重建 检测 保证 学习 | ||
【主权项】：
1.一种基于深度学习的高分辨率遥感影像弱目标检测方法，其特征在于，包括：/n步骤S1：基于高分辨率遥感影像中地物类别及特点，构建初始数据集，将初始数据集划分为训练数据集、验证数据集以及测试数据集，并对初始数据集中的地物样本进行类别信息与位置信息标注；/n步骤S2：将所述训练数据集、验证数据集作为高分辨率样本，并对高分辨率样本进行下采样获得低分辨率样本，再利用低分辨率样本对基于WGAN的影像超分辨率重建模型进行训练与验证评估，获得训练好的超分辨率重建模型；/n步骤S3：将所述训练数据集、验证数据集与测试数据集输入至所述训练好的超分辨率重建模型中，获得重建后的训练数据集、验证数据集以及测试数据集；/n步骤S4：采用基于区域建议的目标探测基础框架，构建基于多层特征融合的遥感影像目标探测模型，并根据所述重建后训练数据集的特点设置目标探测模型的参数；/n步骤S5：将所述重建后的训练数据集输入至目标探测模型中，对目标探测模型进行训练，计算优化目标函数损失值，通过反向传播算法进行所述模型权重参数的训练更新；/n步骤S6：利用所述重建后的验证数据集对步骤S5中训练后的模型进行验证，获得优化后的目标探测模型；/n步骤S7：将所述重建后的测试数据集输入至优化后的目标探测模型中进行目标检测与识别，确定地物目标的类别与位置信息，对遥感影像弱小目标进行探测。/n
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武汉大学，未经武汉大学许可，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/patent/201910870991.1/，转载请声明来源钻瓜专利网。
