一种基于目标区域分割网络的目标识别方法及装置制造方法及图纸

本发明专利技术实施例提供了一种基于目标区域分割网络的目标识别方法及装置，方法包括：获取待处理的遥感图像，并对遥感图像进行图像切分，得到多个子图像；将各子图像输入预先训练得到的特征提取网络中，得到各子图像对应的各特征图；将各特征图分别输入预先训练得到的目标位置提取网络和目标区域分割网络中，得到各特征图对应的候选框和目标区域分割结果，并根据目标区域分割结果，将各特征图中属于非目标区域的部分置为0；将各特征图输入预先训练得到的目标分类网络中，得到标注有各目标位置的目标特征图，并将各目标特征图进行融合和格式恢复，得到遥感图像对应的识别结果图像。本实施例能够准确的对遥感图像进行目标识别。

A Target Recognition Method and Device Based on Target Area Segmentation Network

The embodiment of the present invention provides a target recognition method and device based on the target region segmentation network. The method includes: acquiring the remote sensing image to be processed, and dividing the remote sensing image into several sub-images; inputting each sub-image into the pre-trained feature extraction network to obtain the corresponding feature maps of each sub-image; and inputting each feature map into the pre-trained feature extraction network separately. In the training target location extraction network and target region segmentation network, the candidate boxes and target region segmentation results corresponding to each feature map are obtained. According to the target region segmentation results, the non-target regions in each feature map are set to 0. The target feature maps are input into the pre-trained target classification network, and the target feature maps labeled with each target location are obtained. The target feature maps are fused and format restored to obtain the corresponding recognition result image of remote sensing image. The example can accurately recognize the target of remote sensing image.

【技术实现步骤摘要】
一种基于目标区域分割网络的目标识别方法及装置
本专利技术涉及图像处理
，特别是涉及一种基于目标区域分割网络的目标识别方法及装置。
技术介绍
遥感技术是人类对自身生存环境开展科学调查的重要手段，遥感卫星搭载多源传感器可以主动或被动地获取植被、湖泊、海洋及大气等存在于地球圈中的各类目标的空间和物理信息，并以二维遥感图像的形式加以呈现。遥感图像中包含的地物信息可以用于军事侦察、土地资源调查、城市发展空间监测、灾害评估与预警等领域，这些领域都与国防安全和国民经济发展息息相关。遥感图像解译的目的是为了使人类更加全面的了解自身生存的环境，通过解译高分辨率遥感图像，可以更加深刻的反映地物目标的特征并指导人类的实践活动。因此，遥感图像的研究与应用具有十分重大的科学价值和现实意义。遥感图像的语义指的是遥感图像中观测场景的顶层含义，是人类可以直观理解并加以利用的知识。语义提取技术可以从遥感图像中解译出包含山川、河流、建筑、公路等目标的大大小小尺度不一的各类场景，进而研究遥感图像中目标与目标、目标与场景的内在依存关系，建立从底层图像特征到顶层语义的有机联系。目标识别技术一直是遥感及计算机视觉领域的研本文档来自技高网...

【技术保护点】
1.一种基于目标区域分割网络的目标识别方法，其特征在于，所述方法包括：获取待处理的遥感图像，并对所述遥感图像进行图像切分，得到多个子图像；各所述子图像的尺寸为第一预设尺寸；将各所述子图像输入预先训练得到的特征提取网络中，得到各所述子图像对应的各特征图；将所述各特征图分别输入预先训练得到的目标位置提取网络和目标区域分割网络中，得到所述各特征图对应的候选框和目标区域分割结果，并根据所述目标区域分割结果，将所述各特征图中属于非目标区域的部分置为0；将各所述特征图输入预先训练得到的目标分类网络中，得到标注有各目标位置的目标特征图，并将所述各目标特征图进行融合和格式恢复，得到所述遥感图像对应的识别结果图...

【技术特征摘要】
1.一种基于目标区域分割网络的目标识别方法，其特征在于，所述方法包括：获取待处理的遥感图像，并对所述遥感图像进行图像切分，得到多个子图像；各所述子图像的尺寸为第一预设尺寸；将各所述子图像输入预先训练得到的特征提取网络中，得到各所述子图像对应的各特征图；将所述各特征图分别输入预先训练得到的目标位置提取网络和目标区域分割网络中，得到所述各特征图对应的候选框和目标区域分割结果，并根据所述目标区域分割结果，将所述各特征图中属于非目标区域的部分置为0；将各所述特征图输入预先训练得到的目标分类网络中，得到标注有各目标位置的目标特征图，并将所述各目标特征图进行融合和格式恢复，得到所述遥感图像对应的识别结果图像；其中，所述特征提取网络、所述目标位置提取网络、所述目标区域分割网络和所述目标分类网络是预先根据已进行目标标注和目标区域分割结果标注的样本图像训练得到的。2.根据权利要求1所述的方法，其特征在于，所述特征提取网络、所述目标位置提取网络、所述目标区域分割网络和所述目标分类网络的训练过程包括：获取原始遥感图像；对各所述原始遥感图像进行预处理，并对预处理后的原始遥感图像进行目标标注和目标区域分割结果标注，得到各样本图像；各所述样本图像的尺寸为第二预设尺寸，所述第二预设尺寸与所述第一预设尺寸相同或不同；构建初始特征提取网络、初始目标位置提取网络、初始目标区域分割网络和初始目标分类网络；使用所述各样本图像，采用各网络交替训练策略，对所述初始特征提取网络、初始目标位置提取网络、初始目标区域分割网络和初始目标分类网络进行训练，得到满足预设条件的特征提取网络、目标位置提取网络、目标区域分割网络和目标分类网络。3.根据权利要求2所述的方法，其特征在于，所述对各所述原始遥感图像进行预处理，包括：根据预设的重叠范围，对所述各原始遥感图像进行切割，得到各原始遥感子图像；对所述各原始遥感子图像进行数据增强处理；其中，所述数据增强处理包括以下至少一项：翻转、旋转、位置变换、噪声叠加和颜色抖动。4.根据权利要求2所述的方法，其特征在于，所述构建初始特征提取网络、初始目标位置提取网络、初始目标区域分割网络和初始目标分类网络，包括：构建包含4个残差块的初始特征提取网络，其中，所述4个残差块分别包含3个、4个、23个、3个残差单元，所述每个残差单元均包含一个1×1卷积层，一个3×3卷积层，以及一个1×1卷积层；构建包含以下几层的初始目标位置提取网络：两个3×3卷积层和以下两个部分，第一部分为1个1×1卷积层和softmax层，第二部分为1个1×1卷积层和线性回归层；构建包含4个反卷积模块的初始目标区域分割网络，其中每个反卷积模块均包含一个3×3反卷积层和一个3×3卷积层；构建包含以下几层的初始目标分类网络：兴趣点池化层、两个全连接层和以下两个部分，第一部分为线性回归层，第二部分为softmax层。5.根据权利要求2所述的方法，其特征在于，所述使用所述各样本图像，采用各网络交替训练策略，对所述初始特征提取网络、初始目标位置提取网络、初始目标区域分割网络和初始目标分类网络进行训练，得到满足预设条...

【专利技术属性】
技术研发人员：尤亚楠，张康，刘芳，刘军，杨阳，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11