【技术实现步骤摘要】
一种基于自监督机制的遥感图像细粒度目标识别方法
[0001]本申请属于目标识别
,特别涉及一种基于自监督机制的遥感图像细粒度目标识别方法。
技术介绍
[0002]遥感图像的目标检测和识别是遥感情报侦察中最为基础的研究课题之一,两者可视作遥感图像分析中的两项基本问题。在传统遥感图像的目标检测中,分析的目标对象隶属类别通常是如“飞机”、“建筑”和“河流”等传统意义上的类别分类。该情形下,不同类图像间的差异较大,同类图像间的差异则较小。
[0003]但细粒度图像分析处理的对象则是传统类别下的子类别,如“飞机”类别中的不同军用和民用飞机的型号,因细粒度级别子类别间较小的类间差异,使其区别于传统遥感图像的目标检测问题,从而更具挑战性。因此,解决细粒度目标遥感图像目标的检测和识别问题具有重要意义。
技术实现思路
[0004]本申请的目的是提供一种基于自监督机制的遥感图像细粒度目标识别方法,用于解决通用目标检测识别算法中对于传统类别下的子类别(如飞机类别下的具体不同型号飞机类别)识别准确度低的问题。
[0005]为了实现上述目的,本申请技术方案如下:
[0006]一种基于自监督机制的遥感图像细粒度目标识别方法,包括:
[0007]获取高光谱卫星遥感图像并按照预设规则对所述高光谱卫星遥感图像进行切割获得切割后的高光谱卫星遥感图像;
[0008]对切割后的高光谱卫星遥感图像进行预处理,而后根据不同的波段获得可见光卫星遥感图像以及对应的红外成像卫星遥感图像,并对所述可见光卫星 ...
【技术保护点】
【技术特征摘要】
1.一种基于自监督机制的遥感图像细粒度目标识别方法,其特征在于,所述的基于自监督机制的遥感图像细粒度目标识别方法,包括:获取高光谱卫星遥感图像并按照预设规则对所述高光谱卫星遥感图像进行切割获得切割后的高光谱卫星遥感图像;对切割后的高光谱卫星遥感图像进行预处理,而后根据不同的波段获得可见光卫星遥感图像以及对应的红外成像卫星遥感图像,并对所述可见光卫星遥感图像以及对应的红外成像卫星遥感图像进行图像融合以得到融合卫星遥感图像;将所述融合卫星遥感图像输入目标检测卷积神经网络以获得目标位置;根据所述目标位置从所述融合卫星遥感图像截取目标图像截图,输入语义分割卷积神经网络以获得所述目标图像截图的语义分割结果;根据所述语义分割结果对所述目标图像截图进行图像滤波,并将滤波后的图像输入细粒度目标识别网络模型进行目标细粒度识别获得遥感图像目标识别结果。2.如权利要求1所述的基于自监督机制的遥感图像细粒度目标识别方法,其特征在于,对所述可见光卫星遥感图像以及对应的红外成像卫星遥感图像进行图像融合以得到融合卫星遥感图像,包括:融合采用如下公式:I
s
=λ
a
I
a
+λ
b
I
b
其中,I
s
为所述融合卫星遥感图像,I
a
为所述可见光卫星遥感图像,I
b
为所述红外成像卫星遥感图像,“+”表示所述可见光卫星遥感图像和所述红外成像卫星遥感图像相对应位置处的元素相加,λ
a
和λ
b
表示可见光卫星遥感图像和所述红外成像卫星遥感图像的权重。3.如权利要求2所述的基于自监督机制的遥感图像细粒度目标识别方法,其特征在于,0<λ
b
+0.5<λ
a
<1.0。4.如权利要求1所述的基于自监督机制的遥感图像细粒度目标识别方法,其特征在于,所述目标检测卷积神经网络采用改进的YOLOv3网络,包括特征提取网络层、特征融合层以及检测输出层,其中:在特征提取网络层Darknet
‑
53中加入两组HRFB结构以及对应的两组空间注意力结构;所述HRFB结构包括输...
【专利技术属性】
技术研发人员:陈初杰,瞿崇晓,张永晋,祝中科,张建楠,杜鑫,范长军,
申请(专利权)人:中国电子科技集团公司第五十二研究所,
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。