一种空-谱多尺度高光谱遥感图像目标检测方法及设备技术

一种空

【技术实现步骤摘要】
一种空
‑
谱多尺度高光谱遥感图像目标检测方法及设备


[0001]本专利技术属于高光谱遥感图像目标检测
，具体涉及一种高光谱遥感图像目标检测方法及设备。

技术介绍

[0002]高光谱图像是一种包含几十甚至数百波段的三维数据立方体，同时包含了地物的空间信息和光谱信息。受益于高光谱图像丰富的光谱信息，高光谱图像在地质勘探、精确农业和城市监测等领域都有重要应用。高光谱目标检测是根据目标的少量先验信息将目标从背景中识别分离出来的技术，它可以实现对特定目标的精细辨别。其任务特点是先验信息有限，目标占比小、尺寸小。
[0003]目前，大量基于深度学习的算法被应用于高光谱目标检测中。然而，这些基于深度学习的目标检测方法仍存在着空间信息应用不够充分的问题。一方面，利用引导滤波等后处理手段引入空间信息的方法增加了检测方法的操作复杂度且难以提取非线性相关特征；另一方面，基于二维卷积、三维卷积的空间信息提取方法适用于较大的空间尺寸，而高光谱目标检测中目标尺寸小、数量少，较大空间尺寸信息的引入反而可能引起检测精度的降低，因此广泛应用于高光本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种空
‑
谱多尺度高光谱遥感图像目标检测方法，其特征在于，基于待检测目标区域的高光谱数据，将三维空间像素块构成一个样本，该像素块称为一个patch；将待测图像中所有的像元对应的patch与目标先验对应的patch构建样本对；将样本对输入多尺度空
‑
谱目标检测网络进行目标检测，所述的多尺度空
‑
谱目标检测网络由孪生网络结构的相似度量模块、基于注意力机制的空
‑
谱特征提取模块、多尺度空
‑
谱差异特征混合模块组成，具体结构如下：基于孪生网络结构的相似度量模块：基于孪生网络结构的相似度量模块是基于孪生网络实现的；孪生网络是一种连体网络结构，它首先通过两条结构、参数共享的独立支路分别处理输入的样本对中的两个patch像素块，然后在两条独立支路中最后一个下采样单元之后合并，输出特征经过上采样单元后以相似分数的形式给出两个输入的相似度；两条结构、参数共享的独立支路上分别设置基于注意力机制的空
‑
谱特征提取模块；每个空
‑
谱特征提取模块包含两条支路——光谱特征提取支路和空间特征提取支路，首先通过光谱特征提取和空间特征提取分别提取像元的光谱和空间信息，然后将二者融合得到空
‑
谱融合特征；光谱特征提取支路以patch的中心像元p∈R1×
band
为输入，band为波段数；光谱特征提取支路包括四个下采样单元；每个下采样单元由2或3个卷积层和一个最大池化层组成，在每一个卷积层之后添加有批次归一化层和dropout层以防止过拟合，批次归一化层即BN层；经过光谱特征提取之后获得像元的光谱特征；空间特征提取支路以整个像素块patch∈R
l
×
l
×
band
为输入，其中，l为像素块的空间尺寸；空间特征提取包括一个二维卷积层和一个视觉注意力单元，视觉注意力单元即ViT单元；经过光谱特征提取和空间特征提取后，由第四个下采样单元的卷积输出得到光谱特征和最后输出的空间特征进行contact处理，然后送入第四个下采样单元中的最大池化层处理以获得像元的空
‑
谱联合特征；多尺度空
‑
谱差异特征混合模块包括四个上采样单元，每个上采样单元包含2或3个转置卷积，第一个转置卷积执行上采样，其余的转置卷积实现特征聚合与提取；每个转置卷积后跟随一个BN层和dropout层；每个上采样单元的输出与空
‑
谱特征提取模块中相应尺度的下采样阶段的输出差值通过长跳连接进行相连，作为下一个上采样单元的输入；经过四个上采样单元...

【专利技术属性】
技术研发人员：冯收，丰瑞，张鸿哲，陈勇奇，刘建飞，王雪晴，赵春晖，闫奕名，宿南，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：