【技术实现步骤摘要】
基于符号距离特征的跨源遥感数据目标识别方法
[0001]本专利技术涉及遥感图像中地物三维特征提取及种类识别，属于遥感图像目标识别
技术介绍
[0002]遥感图像目标识别技术在民用和军事方面都具有重要研究意义，其目的是从静态图像中检测出感兴趣的物体或区域，并对图中目标进行分辨、检测与定位。准确的目标识别也为进一步完成更复杂的任务奠定基础。遥感图像拍摄传感器主要包括：可见光、红外和雷达等，根据其传感器信息源的异同也可将遥感图像分为两类：一类是同一信息源下采集到的数据；另一类则是异源数据。现有的各种遥感图像识别方法普遍通用性较差，大部分方法只能适用于某种特定遥感数据的识别，少数可跨源识别的方法往往效率偏低。且不同的环境条件适用不同种类的传感器，可见光传感器能在光照充足的环境中得到高分辨率图像，相对地在黑暗和烟雾环境下红外传感器的效果则更好，因此实际应用的遥感数据往往是多源的。由此，遥感数据的跨源识别方法具有重要研究意义。
[0003]红外图像、SAR图像与可见光图像记录着地物的不同属性信息，但由于不同的成像机理和...
【技术保护点】
【技术特征摘要】
1.基于符号距离特征的跨源遥感数据目标识别方法，其特征在于，包括以下步骤：S1、获得待识别的遥感图像，遥感图像包括可见光图像、红外图像、SAR图像中的至少一种；S2、将获得的待识别遥感图像输入符号距离特征提取网络进行符号距离特征提取，得到随机采样点到目标边界的距离值s；如果|s|≤目标边界阈值t，判定该点属于表面，得到目标模型真值边界点集P_
REF.
；当输入数据仅为同源数据，取此时的边界点集为最终边界点集；当输入数据为同一个目标的异源数据时，将可见光图像、红外图像、SAR图像对应的符号距离特征按照比例进行融合，再判定点是否属于目标表面，得到最终的边界点集；进行符号距离特征提取过程中遥感图像分别输入各自对应的网络，即可见光图像输入sdf
‑
optical，红外图像输入sdf
‑
infrared网络，SAR图像输入sdf
‑
SAR网络；所述sdf
‑
optical网络包括图像特征提取模块、随机采样点特征提取模块和解码模块，sdf
‑
optical网络的处理过程包括以下步骤：图像特征提取模块E
i
：对输入的可见光图像进行特征提取得到特征f
i
；随机采样点特征提取模块E
c
：对随机采样点进行特征提取得到特征f
c
；解码模块D：根据特征f
i
和f
c
得到所提取的符号距离特征，符号距离特征表征点到目标表面的距离；所述sdf
‑
infrared、sdf
‑
SAR网络结构与sdf
‑
optical网络结构相同，区别在于输入的图像不同；S3、对得到的三维点集P_
REF
进行三维特征提取，得到三维特征向量X
E
；S4、将特征向量X
E
通过分类器进行识别，得到识别结果。2.根据权利要求1所述基于符号距离特征的跨源遥感数据目标识别方法，其特征在于，所述的图像特征提取模块E
i
采用CoTnet
‑
18网络。3.根据权利要求2所述基于符号距离特征的跨源遥感数据目标识别方法，其特征在于，所述随机采样点特征提取模块E
c
采用pointnet网络。4.根据权利要求1至3之一所述基于符号距离特征的跨源遥感数据目标识别方法，其特征在于，所述解码模块D由多循环CBN模块单元构成，CBN模块即条件批量标准化模块；CBN模块具体包括以下步骤：将特征f
i
输入mlp多层神经网络，得到特征f1，并将f1与从随机采样点中提取到的特征f
c
进行.*运算，得到特征f2，再将f2与特征f1进行相加运算，得到256*N的特征f3；接着将f3进行最大池化操作，得到256*1的特征f4，最后进行卷积操作和sigmoid操作得到最终的256*N的特征f5；优选地，多循环CBN模块循环5次即可得到非常好的结果；将特征f5通过一个全连接层得到1*N的符号距离特征f6，即符号距离特征。5.根据权利要求4所述基于符号距离特征的跨源遥感数据目标识别方法，其特征在于，将可见光图像、红外...
【专利技术属性】
技术研发人员：闫奕名，汪子璐，宿南，王文轩，冯收，赵春晖，
申请(专利权)人：哈尔滨工程大学，
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。