一种选择性边缘信息引导的遥感目标显著性检测方法技术

本发明专利技术公开了一种选择性边缘信息引导的遥感目标显著性检测方法，首先进行图像数据预处理，获得预处理后的图像训练集，然后搭建目标显著性检测网络，最后通过图像训练集对目标显著性检测网络进行训练。本发明专利技术使得网络在自主提取边缘信息的同时对提取到的边缘信息进行自主选择区分，保留正向的边缘特征信息，优化或剔除不良的边缘特征信息，有效提升遥感目标的显著性分割结果。标的显著性分割结果。标的显著性分割结果。

【技术实现步骤摘要】
一种选择性边缘信息引导的遥感目标显著性检测方法


[0001]本专利技术属于计算机视觉领域，涉及显著目标检测、遥感图像检测领域。具体涉及一种选择性边缘信息引导的遥感目标显著性检测方法。

技术介绍

[0002]随着深度学习、神经网络的飞速发展，计算机视觉领域实现了前所未有的跨越。目标检测作为计算机视觉领域一个经典大类，受到广泛的研究和探讨，在显著目标检测、行人重识别、图像数据评估等各个方向都取得了巨大进步。在生活中，面部扫描、车牌扫描、天网工程等都利用到了目标检测的相关技术。
[0003]人类视觉系统在面对自然场景时具有快速搜索和定位感兴趣目标的能力，这种视觉注意机制是人们日常生活中处理视觉信息的重要机制。随着互联网带来的大数据量的传播，如何从海量的图像和视频数据中快速地获取重要信息，已经成为计算机视觉领域一个关键的问题。通过在计算机视觉任务中引入这种视觉注意机制，即视觉显著性，可以为视觉信息处理任务带来一系列重大的帮助和改善。显著性物体检测的目的即是从图像中定位最有吸引力和视觉上独特的物体或区域，大量应用于图像分割、目标重定位、目标图像前本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种选择性边缘信息引导的遥感目标显著性检测方法，其特征在于，步骤如下：步骤1、图像数据预处理，获得预处理后的图像训练集：训练数据集采用EORSSD图像数据集；对待训练数据集进行图像预处理，首先去除图像相关噪声干扰使数据更加精确，并利用matlab工具获得只含边缘轮廓的图像训练集，然后对获取的图像训练集进行扩增；步骤2、目标显著性检测网络搭建：网络结构采用encoder
‑
decoder结构，包括编码部分和解码部分；编码部分采用ResNet34，在解码部分采用两个部分解码结构PDC及PDC
‑
with edge，两个部分解码结构的输出结果将通过质量评估模块与真值图进行比较评估，选择更优的结果输出为粗糙图像，并输入优化卷积块中，输出最终结果；步骤3、通过步骤1获得的图像训练集对目标显著性检测网络进行训练。2.根据权利要求1所述的一种选择性边缘信息引导的遥感目标显著性检测方法，其特征在于，步骤2所述的目标显著性检测网络具体结构如下：编码部分包括五个卷积块，五个卷积块均采用ResNet34，第一、二个卷积块的信息除了向下传播外，也会被分别输入两个边缘信息提取块组中，从而提取浅层丰富的边缘特征；第五个卷积块的信息将会输入到两个部分解码结构PDC及PDC
‑
with edge中，其中PDC仅对编码主路的信息进行解码得到一个粗略的分割结果图，PDC
‑
with edge则将编码主路的信息与浅层提取的边缘特征进行连接，从而也输出一个粗略的分割结果图；将两个粗略的分割结果图输入到质量评估模块中，分别与Ground truth进行比较，选择评测结果更好的结果图输入到优化卷积块当中，并输出最终结果即高质量的输出图像；最终输出使用混合loss函数进行约束，边缘信息则仅采用ssim loss函数进行约束。3.根据权利要求2所述的一种选择性边缘信息引导的遥感目标显著性检测方法，其特征在于，边缘信息提取块组中所包含的各个提取块中提取的信息定义为：x
i+1
＝Bn(ReLU(co...

【专利技术属性】
技术研发人员：颜成钢，王灵波，孙垚棋，张继勇，李宗鹏，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：