一种低轨卫星图像特征提取方法及装置制造方法及图纸

本发明专利技术实施例提供了一种低轨卫星图像特征提取方法及装置，涉及图像处理技术领域，上述方法包括：获得待处理的低轨卫星图像以及表示低轨卫星图像中目标对象所在区域的对象标识；对低轨卫星图像进行卷积处理，得到卷积处理结果；对卷积处理结果进行正则化处理，并激活正则化处理结果；对激活处理结果进行池化处理，得到池化处理结果；将池化处理结果输入特征提取网络中，得到特征提取网络输出的所述低轨卫星图像的特征提取结果。应用本发明专利技术实施例提供的方案能够提取低轨卫星图像的细节特征。提供的方案能够提取低轨卫星图像的细节特征。提供的方案能够提取低轨卫星图像的细节特征。

【技术实现步骤摘要】
一种低轨卫星图像特征提取方法及装置


[0001]本专利技术涉及图像处理
，特别是涉及一种低轨卫星图像特征提取方法及装置。

技术介绍

[0002]低轨卫星的轨道高度集中于地面上方1000km
‑
1500km的范围内，相比于高轨卫星采集到的图像，低轨卫星采集的图像更加清晰，能够应用于建筑物识别、道路检测等各种领域。但是低轨卫星图像往往结构复杂、信息量大，因此在对建筑物、船只等小对象进行特征提取的过程中存在一定的难度。为了解决上述问题，需要提供一种低轨卫星图像特征提取方法，以提取低轨卫星图像的细节特征。

技术实现思路

[0003]本专利技术实施例的目的在于提供一种低轨卫星图像特征提取方法及装置，以提取低轨卫星图像的细节特征。具体技术方案如下：
[0004]第一方面，本专利技术实施例提供了一种低轨卫星图像特征提取方法，所述方法包括：
[0005]获得待处理的低轨卫星图像以及表示所述低轨卫星图像中目标对象所在区域的对象标识；
[0006]对所述低轨卫星图像进行卷积处理，得到卷积处理结果；
[0007]对所述卷积处理结果进行正则化处理，并激活正则化处理结果；
[0008]对激活处理结果进行池化处理，得到池化处理结果；
[0009]将所述池化处理结果输入特征提取网络中，得到特征提取结果，其中，所述特征提取网络用于：采用特征提取单元与相关注意力单元对输入的数据进行处理，所述特征提取单元用于对输入的数据进行特征提取，得到特征图，所述相关注意力单元用于：沿不同方向对所输入的特征图进行拆分得到不同特征节点，并基于所述对象标识，获得表示特征节点之间关联关系程度的关系值。
[0010]本专利技术的一个实施例中，所述相关注意力单元中包括空间关系感知注意力子单元与通道关系感知注意力子单元，所述相关注意力单元的数据处理流程为：
[0011]通过所述空间关系感知注意力子单元处理输入所述相关注意力单元的特征图，得到各个空间特征节点的第一融合特征，其中，所述空间特征节点为：沿空间关系方向对所述特征图进行拆分处理后得到的；
[0012]基于所述第一融合特征与所述对象标识进行损失计算，得到表示不同空间特征节点之间的空间关联程度的空间关系注意力权重；
[0013]将所述空间关系注意力权重与第一卷积结果相乘，得到空间处理结果，其中，所述第一卷积结果为：对所输入的特征图进行卷积处理降维后得到的；
[0014]通过所述通道关系感知注意力子单元对所述空间处理结果进行处理，得到各个通道特征节点的第二融合特征，其中，所述通道特征节点为：沿通道关系方向对所述空间处理
结果进行拆分处理后得到的，所述通道关系方向与所述空间关系方向不同；
[0015]基于所述第二融合特征与对象标识进行损失计算，得到表示不同通道特征节点之间的通道关联程度的通道关系注意力权重；
[0016]将所述通道关系注意力权重与第二卷积结果相乘，得到关系值，其中，所述第二卷积结果为：对所述空间处理结果进行卷积处理降维后得到的。
[0017]本专利技术的一个实施例中，所述空间关系感知注意力子单元与所述通道关系感知注意力子单元的数据处理流程为：
[0018]分别对所输入的数据进行第一特征处理、第二特征处理与第三特征处理，分别得到第一特征处理结果、第二特征处理结果与第三特征处理结果，其中，所述第一特征处理中按处理顺序依次包括卷积处理、正则化处理、激活处理与特征维度处理，所述第二特征处理与第三特征处理中按处理顺序依次包括卷积处理、正则化处理与激活处理；
[0019]对所述第一特征处理结果与所述第二特征处理结果进行特征相乘计算，得到特征相乘结果，并对所述特征相乘结果进行正则化处理；
[0020]将正则化处理前的特征相乘结果与正则化处理后的特征相乘结果进行拼接，得到第一拼接结果；
[0021]对所述第一拼接结果进行第四特征处理，得到第四特征处理结果，其中，所述第四特征处理按照处理顺序依次包括：卷积处理、正则化处理与激活处理；
[0022]将所述第三特征处理结果与所述第四特征处理结果进行拼接，得到第二拼接结果；
[0023]对所述第二拼接结果进行第五特征处理，得到第五特征处理结果，其中，所述第五特征处理按照处理顺序依次包括：卷积处理、正则化处理、激活处理、卷积处理与正则化处理；
[0024]对所述对象标识与所述第五特征处理结果进行损失计算，得到输出结果。
[0025]本专利技术的一个实施例中，所述特征提取网络的数据处理过程为：
[0026]依次采用所述特征提取单元、所述相关注意力单元、所述特征提取单元、所述相关注意力单元、所述特征提取单元、所述相关注意力单元、所述特征提取单元对输入所述特征提取网络的数据进行处理。
[0027]本专利技术的一个实施例中，在所述获得待处理的低轨卫星图像以及表示所述低轨卫星图像中目标对象所在区域的对象标识之后，还包括：
[0028]对所述低轨卫星图像进行降噪处理。
[0029]本专利技术的一个实施例中，在所述获得待处理的低轨卫星图像以及表示所述低轨卫星图像中目标对象所在区域的对象标识之后，还包括：
[0030]对所述低轨卫星图像进行随机遮挡处理。
[0031]第二方面，本专利技术实施例提供了一种低轨卫星图像特征提取装置，所述装置包括：
[0032]图像获取模块，用于获得待处理的低轨卫星图像以及表示所述低轨卫星图像中目标对象所在区域的对象标识；
[0033]卷积处理模块，用于对所述低轨卫星图像进行卷积处理，得到卷积处理结果；
[0034]正则化处理模块，用于对所述卷积处理结果进行正则化处理，并激活正则化处理结果；
[0035]池化处理模块，用于对激活处理结果进行池化处理，得到池化处理结果；
[0036]特征提取模块，用于将所述池化处理结果输入特征提取网络中，得到特征提取结果，其中，所述特征提取网络用于：采用特征提取单元与相关注意力单元对输入的数据进行处理，所述特征提取单元用于对输入的数据进行特征提取，得到特征图，所述相关注意力单元用于：沿不同方向对所输入的特征图进行拆分得到不同特征节点，并基于所述对象标识，获得表示特征节点之间关联关系程度的关系值。
[0037]本专利技术的一个实施例中，所述相关注意力单元中包括空间关系感知注意力子单元与通道关系感知注意力子单元，通过以下子模块完成所述相关注意力单元的数据处理流程：
[0038]第一特征融合子模块，用于通过所述空间关系感知注意力子单元处理输入所述相关注意力单元的特征图，得到各个空间特征节点的第一融合特征，其中，所述空间特征节点为：沿空间关系方向对所述特征图进行拆分处理后得到的；
[0039]第一损失计算子模块，用于基于所述第一融合特征与所述对象标识进行损失计算，得到表示不同空间特征节点之间的空间关联程度的空间关系注意力权重；
[0040]第一特征相乘子模块，用于将所述空间关系注意力权重本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种低轨卫星图像特征提取方法，其特征在于，所述方法包括：获得待处理的低轨卫星图像以及表示所述低轨卫星图像中目标对象所在区域的对象标识；对所述低轨卫星图像进行卷积处理，得到卷积处理结果；对所述卷积处理结果进行正则化处理，并激活正则化处理结果；对激活处理结果进行池化处理，得到池化处理结果；将所述池化处理结果输入特征提取网络中，得到特征提取结果，其中，所述特征提取网络用于采用特征提取单元与相关注意力单元对输入的数据进行处理，所述特征提取单元用于对输入的数据进行特征提取，得到特征图，所述相关注意力单元用于分别沿空间关系方向和通道关系方向对所输入的特征图进行拆分得到不同特征节点，并基于所述对象标识，获得表示特征节点之间关联关系程度的关系值。2.根据权利要求1所述的方法，其特征在于，所述相关注意力单元中包括空间关系感知注意力子单元与通道关系感知注意力子单元，所述相关注意力单元的数据处理流程为：通过所述空间关系感知注意力子单元处理所述特征图，以得到空间特征节点的第一融合特征，其中，所述空间特征节点为：沿所述空间关系方向对所述特征图进行拆分处理后得到的；基于所述第一融合特征与所述对象标识进行损失计算，得到表示不同空间特征节点之间的空间关联程度的空间关系注意力权重；将所述空间关系注意力权重与第一卷积结果相乘，得到空间处理结果，其中，所述第一卷积结果为：对所输入的特征图进行卷积处理降维后得到的；通过所述通道关系感知注意力子单元处理所述空间处理结果，以得到通道特征节点的第二融合特征，其中，所述通道特征节点为：沿所述通道关系方向对所述空间处理结果进行拆分处理后得到的；基于所述第二融合特征与对象标识进行损失计算，得到表示不同通道特征节点之间的通道关联程度的通道关系注意力权重；将所述通道关系注意力权重与第二卷积结果相乘得到关系值，其中，所述第二卷积结果为：对所述空间处理结果进行卷积处理降维后得到的。3.根据权利要求2所述的方法，其特征在于，所述空间关系感知注意力子单元与所述通道关系感知注意力子单元的数据处理流程为：分别对所输入的数据进行第一特征处理、第二特征处理与第三特征处理，分别得到第一特征处理结果、第二特征处理结果与第三特征处理结果，其中，所述第一特征处理中按处理顺序依次包括卷积处理、正则化处理、激活处理与特征维度处理，所述第二特征处理与第三特征处理中按处理顺序依次包括卷积处理、正则化处理与激活处理；对所述第一特征处理结果与所述第二特征处理结果进行特征相乘计算，得到特征相乘结果，并对所述特征相乘结果进行正则化处理；将正则化处理前的特征相乘结果与正则化处理后的特征相乘结果进行拼接，得到第一拼接结果；对所述第一拼接结果进行第四特征处理，得到第四特征处理结果，其中，所述第四特征处理按照处理顺序依次包括：卷积处理、正则化处理与激活处理；
将所述第三特征处理结果与所述第四特征处理结果进行拼接，得到第二拼接结果；对所述第二拼接结果进行第五特征处理，得到第五特征处理结果，其中，所述第五特征处理按照处理顺序依次包括：卷积处理、正则化处理、激活处理、卷积处理与正则化处理；对所述对象标识与所述第五特征处理结果进行损失计算，得到输出结果。4.根据权利要求1所述的方法，其特征在于，所述特征提取网络的数据处理过程为：依次采用所述特征提取单元、所述相关注意力单元、所述特征提取单元、所述相关注意力单元、所述特征提取单元、所述相关注意力单元、所述特征提取单元对输入所述特征提取网络的数据进行处理。5.根据权利要求1
‑
4中任一项所述的方法，其特征在于，在所述获得待处理的低轨卫星图像以及表示所述低轨卫星图像中目标对象所在区域的对象标识之后，还包括：对所述低轨卫星图像进行降噪处理。6.根据权利要求1
‑
4中任一项所述的方法，其特征在于，在所述获得待处理的低轨卫星图像以及表示所述低轨卫星图像中目标对象所在区域的对象标识之后，还包括：对所述低轨卫星图像进行随机遮挡处理。7.一种低轨卫星图像特征提取装置，其特征在于，所述装置包括：图像获取模块，用于获得待处理的低轨卫星图像以及表示所述低轨卫星图像中目标对象所在区域的对象标识；卷积处理模块，用于对所述低轨卫星图像进行卷积处理，得到卷积处理结果；正则化处理模块，用于对所述卷积处理结果进行正则化处理，并激活正则化处理结果；池化处理模块，用于对激活处理结果进行池化处理，得到池化处理结果；特征提取模块，用于将所述池化处理结果输入特...

【专利技术属性】
技术研发人员：肖雅妮，杨倩飞，王兰兰，
申请(专利权)人：重庆星网网络系统研究院有限公司，
类型：发明
国别省市：