一种遥感图像桥梁检测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术一种遥感图像桥梁检测方法、装置、电子设备及存储介质，方法包括：获取待检测的遥感图像；将待检测的遥感图像输入至预先训练得到的桥梁检测器网络模型中，得到遥感图像中的桥梁位置信息；其中，桥梁检测器网络模型包括FPN网络和改进型的Faster R

【技术实现步骤摘要】
一种遥感图像桥梁检测方法、装置、电子设备及存储介质


[0001]本专利技术属于信号与信息处理
，具体涉及一种遥感图像桥梁检测方法、装置、电子设备及存储介质。

技术介绍

[0002]随着电子和信息技术的发展，大规模机载星载遥感数据的获取越来越容易，遥感图像的质量也越来越高。桥梁是交通运输网络中的关键节点，获取遥感图像中桥梁的精确位置与数量对于城市监测，灾害评估和军事侦察具有重要意义。
[0003]针对桥梁检测问题，国内外学者开展了大量研究，现有成果可归纳为两类，分别是知识驱动检测方法和数据驱动检测方法。知识驱动检测方法依赖人为设定的关于目标的先验知识，该方法通常首先分析场景，人为定义桥梁出现的情况与桥梁的特点，并将其作为判决规则。之后使用数学形态学等技术对遥感图像进行处理，依据判决规则提取相应特征，获取最终的桥梁目标。该方法通常物理意义清晰，实时性高，对数据量要求不高。但是实际应用场景下，桥梁形态尺度各异，背景环境也各不相同，人为定义的先验知识难以涵盖所有实际情况。数据驱动检测方法通常首先从数据集中广泛提取特征。之后通过优化算法将提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种遥感图像桥梁检测方法，其特征在于，包括：获取待检测的遥感图像；将所述待检测的遥感图像输入至预先训练得到的桥梁检测器网络模型中，得到所述遥感图像中的桥梁位置信息；其中，所述桥梁检测器网络模型包括FPN网络和改进型的Faster R
‑
CNN网络；所述改进型的Faster R
‑
CNN网络包括改进型的Backbone网络、RPN网络和RoiHead网络；所述改进型的Backbone网络是在常规Backbone网络的基础上，在所述常规Backbone网络中引入调制可变形卷积模块形成；所述桥梁检测器网络模型是根据训练图像集预先训练得到的，其中，所述训练图像集中的每一训练图像均带有位置标注信息。2.根据权利要求1所述的遥感图像桥梁检测方法，其特征在于，在所述桥梁检测器网络模型中，所述改进型的Backbone网络，用于对输入的所述待检测的遥感图像进行特征提取，得到若干特征信息；所述FPN网络，用于将所述若干特征信息进行特征融合，得到多尺度特征图；所述RPN网络，用于基于所述多尺度特征图进行候选区域选择，得到候选推荐区域；所述RoiHead网络，用于根据所述多尺度特征图和所述候选推荐区域进行位置信息的调整，输出所述遥感图像的桥梁位置信息。3.根据权利要求1所述的遥感图像桥梁检测方法，其特征在于，所述改进型的Backbone网络包括依次连接的预处理卷积层、4个stage模块；每个stage模块包括若干依次连接的block模块，且每一block模块的输入端和输出端连接，每个block模块包括依次连接的第一卷积层、第二卷积层和第三卷积层；其中，所述预处理卷积层，以及在所有的stage模块中的第一卷积层和第三卷积层均为常规卷积层；在第一个stage模块中，所有的第二卷积层为常规卷积层，在其他三个stage模块中，所有的第二卷积层为调制可变形卷积模块。4.根据权利要求3所述的遥感图像桥梁检测方法，其特征在于，所述预处理卷积层的卷积核的大小为7
×
7；所有所述第一卷积层和所述第三卷积层的卷积核的大小均为3
×
3。5.根据权利要求3所述的遥感图像桥梁...

【专利技术属性】
技术研发人员：唐睿，董刚刚，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：