本发明专利技术公开了一种高分辨率影像的处理方法、装置、存储介质及处理器。该方法包括：获取待配准的高分辨率影像；将待配准的高分辨率影像输入图像配准模型执行配准处理，得到配准后的高分辨率影像，其中，图像配准模型是采用梯尺度的方式对多组样本影像进行处理得到的，每组样本影像对均包括：已配准的高分辨率影像和失配的高分辨率影像，其中，失配的高分辨率影像是由已配准的高分辨率影像和失配参数生成，输出配准后的高分辨率影像。本发明专利技术解决了相关技术中对高分辨率的影像匹配的精准度较低的技术问题。技术问题。技术问题。
【技术实现步骤摘要】
高分辨率影像的处理方法、装置、存储介质及处理器
[0001]本专利技术涉及影像处理的
，具体而言，涉及一种高分辨率影像的处理方法、装置、存储介质及处理器。
技术介绍
[0002]遥感影像匹配是遥感影像处理的基础问题，由于不同时期遥感影像的包括成像视觉在内的成像环境不同，同一场景下的两期遥感影像往往无法对齐匹配，这样会对基于二者进行对比的下游任务效果产生不良影响。目前已有的包括深度学习和非深度学习方法，大都假设匹配矩阵是一个整体的仿射变换，其目标为回归得到某个仿射变换的参数，利用这组参数来进行全局的仿射变换使得二者匹配。但由于遥感对比影像的复杂性，难以保证其各个局部区域的失配情况都一致，一个仿射变换往往无法让这组影像的各个局部都匹配到其合适的位置。与此同时，由于相关操作复杂且消耗资源的计算量，因此此前的方法大多在低分辨率下进行匹配，再通过插值上采样到原始分辨率，而对于遥感这种高分辨率的影像数据，这样的方式会导致匹配点间的距离随着分辨率的增加而增加，从而在绝对度量下随着分辨率的增加指标呈现出大幅下跌的趋势，从而降低了高分辨率的遥感影像匹配的精准度。
[0003]针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
[0004]本专利技术实施例提供了一种高分辨率影像的处理方法、装置、存储介质及处理器，以至少解决相关技术中对高分辨率的影像匹配的精准度较低的技术问题。
[0005]根据本专利技术实施例的一个方面，提供了一种高分辨率影像的处理方法，包括：获取待配准的高分辨率影像；将所述待配准的高分辨率影像输入图像配准模型执行配准处理，得到配准后的高分辨率影像，其中，所述图像配准模型是采用梯尺度的方式对多组样本影像进行处理得到的，每组样本影像对均包括：已配准的高分辨率影像和失配的高分辨率影像，其中，所述失配的高分辨率影像是由所述已配准的高分辨率影像和失配参数生成；输出所述配准后的高分辨率影像。上述用于训练图像配准模型的样本影像对是通过自学习的方式，基于已配准的高分辨率影像和失配参数生成失配的高分辨率影像，从而得到的样本影像对。也即把稀疏的变换参数转换成稠密的相关流场，保证了无人工标注数据下，也可以训练出用于配准的图像配准模型，从而通过该图像配准模型对待配准的高分辨率影像进行配准，保证了配准后的高分辨率影像中的正确的关键点占比，从而提升了对高分辨率影像匹配的精准度。
[0006]进一步地，在将所述待配准的高分辨率影像输入图像配准模型执行配准处理之前，所述方法还包括：将每组样本影像对中已配准的高分辨率影像和失配的高分辨率影像分别进行采样，得到多种采样结果；分别将每种采样结果输入骨架网络进行不同尺度的特征提取，形成不同尺度的特征金字塔网络；基于所述不同尺度的特征金字塔网络构建全量
特征的流场模型；采用所述多组样本影像对对所述全量特征的流场模型进行训练，生成所述图像配准模型。通过上述方法，保证了生成的图像配准模型的准确性。
[0007]进一步地，在将每组样本影像对中已配准的高分辨率影像和失配的高分辨率影像分别进行多种尺度的下采样之前，所述方法还包括：获取已配准的高分辨率影像；随机生成多组失配参数；将随机生成的每组失配参数作用于所述已配准的高分辨率影像上，得到多组失配的高分辨率影像；将已配准的高分辨率影像分别与每组失配的高分辨率影像组成一组样本影像对，得到所述多组样本影像对。上述是通过自学习的方式，基于已配准的高分辨率影像和失配参数生成失配的高分辨率影像，从而得到的样本影像对。也即把稀疏的变换参数转换成稠密的相关流场，保证了无人工标注数据下，也可以得到用于训练图像配准模型的样本影像对。
[0008]进一步地，采用所述多组样本影像对对所述全量特征的流场模型进行训练，生成所述图像配准模型包括：确定多种度量距离的阈值；根据每种度量距离的阈值，计算通过所述全量特征的流场模型输出的配准的高分辨率影像的正确的关键点占比；在所述正确的关键点占比符合预设条件的情况下，确定对所述全量特征的流场模型训练完成，得到所述图像配准模型。通过上述方法，保证了生成的图像配准模型的准确性。
[0009]进一步地，在输出配准后的高分辨率影像之后，所述方法还包括：基于所述配准后的高分辨率影像进行目标处理。在得到的配准后的高分辨率影像之后，可以用于下游任务的处理。
[0010]进一步地，若所述目标处理为影像变化检测，基于所述配准后的高分辨率影像进行目标处理包括：基于配准后的高分辨率影像与相邻上一周期中配准后的高分辨率影像进行比较；基于比较结果，确定所述配准后的高分辨率影像中的变化信息。在得到的配准后的高分辨率影像之后，可以准确确定高分辨率影像中的变化信息。
[0011]进一步地，在基于比较结果，确定所述配准后的高分辨率影像中的变化信息之后，所述方法还包括：在所述配准后的高分辨率影像中将所述变化信息所指示的变化区域进行标识；将标识出的变化区域反馈至目标对象。通过将高分辨率影像中的变化信息中的变化区域进行标识，并反馈给目标对象，以便目标对象可以直观的查看到变化信息。
[0012]进一步地，所述图像配准模型的结构中包括：骨架网络、特征金字塔，解码器和形变模块，其中，将已配准的高分辨率影像的采样结果和对失配的高分辨率影像的采样结果输入骨架网络进行不同尺度的特征提取，得到特征金字塔一和特征金字塔二，将所述特征金字塔一和所述特征金字塔二中输出的最小尺度的特征进行融合，将融合结果输入所述形变模块中对相邻上一尺度的特征进行配准，按照将配准结果继续输入所述形变模块中与相邻上一尺度的特征进行配准的原则继续执行，将所述融合结果和逐一得到的配准结果分别输入解码器进行解码，直到输出所述配准后的高分辨率影像。
[0013]根据本专利技术实施例的另一方面，还提供了一种遥感影像的处理方法，包括：获取在农业中拍摄得到的遥感影像；将所述遥感影像输入图像配准模型执行配准处理，得到配准后的遥感影像，其中，所述图像配准模型是采用梯尺度的方式对多组样本影像进行处理得到的，每组样本影像对均包括：已配准的遥感影像和失配的遥感影像，其中，所述失配的遥感影像是由所述已配准的遥感影像和失配参数生成；输出所述配准后的遥感影像。
[0014]进一步地，在输出所述配准后的遥感影像之后，所述方法还包括：基于所述配准后
的遥感影像与相邻上一周期中配准后的遥感影像进行比较；基于比较结果，确定所述配准后的遥感影像中的变化信息。
[0015]进一步地，在基于比较结果，确定所述配准后的遥感影像中的变化信息之后，所述方法还包括：在所述配准后的遥感影像中将所述变化信息所指示的变化区域进行标识；将标识出的变化区域反馈至目标对象。
[0016]根据本专利技术实施例的另一方面，还提供了一种遥感影像的处理方法，包括：获取对建筑物进行拍摄得到的遥感影像；将所述遥感影像输入图像配准模型执行配准处理，得到配准后的遥感影像，其中，所述图像配准模型是采用梯尺度的方式对多组样本影像进行处理得到的，每组样本影像对均包括：已配准的遥感影像和失配的遥感影像，其中，所述失配的遥感影像是本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种高分辨率影像的处理方法，其特征在于，包括：获取待配准的高分辨率影像；将所述待配准的高分辨率影像输入图像配准模型执行配准处理，得到配准后的高分辨率影像，其中，所述图像配准模型是采用梯尺度的方式对多组样本影像进行处理得到的，每组样本影像对均包括：已配准的高分辨率影像和失配的高分辨率影像，其中，所述失配的高分辨率影像是由所述已配准的高分辨率影像和失配参数生成；输出所述配准后的高分辨率影像。2.根据权利要求1所述的方法，其特征在于，在将所述待配准的高分辨率影像输入图像配准模型执行配准处理之前，所述方法还包括：将每组样本影像对中已配准的高分辨率影像和失配的高分辨率影像分别进行采样，得到多种采样结果；分别将每种采样结果输入骨架网络进行不同尺度的特征提取，形成不同尺度的特征金字塔网络；基于所述不同尺度的特征金字塔网络构建全量特征的流场模型；采用所述多组样本影像对对所述全量特征的流场模型进行训练，生成所述图像配准模型。3.根据权利要求2所述的方法，其特征在于，在将每组样本影像对中已配准的高分辨率影像和失配的高分辨率影像分别进行多种尺度的下采样之前，所述方法还包括：获取已配准的高分辨率影像；随机生成多组失配参数；将随机生成的每组失配参数作用于所述已配准的高分辨率影像上，得到多组失配的高分辨率影像；将已配准的高分辨率影像分别与每组失配的高分辨率影像组成一组样本影像对，得到所述多组样本影像对。4.根据权利要求2所述的方法，其特征在于，采用所述多组样本影像对对所述全量特征的流场模型进行训练，生成所述图像配准模型包括：确定多种度量距离的阈值；根据每种度量距离的阈值，计算通过所述全量特征的流场模型输出的配准的高分辨率影像的正确的关键点占比；在所述正确的关键点占比符合预设条件的情况下，确定对所述全量特征的流场模型训练完成，得到所述图像配准模型。5.根据权利要求1所述的方法，其特征在于，在输出配准后的高分辨率影像之后，所述方法还包括：基于所述配准后的高分辨率影像进行目标处理。6.根据权利要求5所述的方法，其特征在于，若所述目标处理为影像变化检测，基于所述配准后的高分辨率影像进行目标处理包括：基于配准后的高分辨率影像与相邻上一周期中配准后的高分辨率影像进行比较；基于比较结果，确定所述配准后的高分辨率影像中的变化信息。7.根据权利要求5所述的方法，其特征在于，在基于比较结果，确定所述配准后的高分
辨率影像中的变化信息之后，所述方法还包括：在所述配准后的高分辨率影像中将所述变化信息所指示的变化区域进行标识；将标识出的变化区域反馈至目标对象。8.根据权利要求1所述的方法，其特征在于，所述图像配准模型的结构中包括：骨架网络、特征金字塔，解码器和形变模块，其中，将已配准的高分辨率影像的采样结果和对失配的高分辨率影像的采样结果输入骨架网络进行不同尺度的特征提取，得到特征金字塔一和特征金字塔二，将所述特征金字塔一和所述特征金字塔二中输出的最小尺度的特征进行融...
【专利技术属性】
技术研发人员：陈伟涛，李威，王志斌，李昊，
申请(专利权)人：阿里巴巴达摩院杭州科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。