【技术实现步骤摘要】
基于多种注意力权重融合特征的SAR图像建筑区分类方法
[0001]本专利技术涉及图像处理
,更具体的说是涉及一种基于多种注意力权重融合特征的SAR(合成孔径雷达)图像建筑区分类方法,通过引入多种注意力权重,实现对稀疏建筑区、中等密集建筑区和密集建筑区的准确分类。
技术介绍
[0002]合成孔径雷达(Synthetic Aperture Radar,SAR)是一种能够在复杂天气下获取地面信息的遥感技术。SAR系统通过发送一系列脉冲信号并接收其反射信号,然后根据接收到的回波信号生成高分辨率的雷达图像。SAR图像在建筑区分类等领域具有重要的应用价值,然而由于SAR图像的特殊性质,如复杂的散射机制、噪声干扰等,导致建筑区分类面临一些挑战。
[0003]目前,针对SAR图像建筑区分类的研究主要集中在特征提取和分类器设计两个方面。传统的特征提取算法多采用单一特征,如灰度共生矩阵(GLCM)、小波变换等,不能很好对目标特性进行精准描述。此外,传统的识别方法也多基于专家经验进行识别,逐渐跟不上日益增长的数据需求,难以提取目标的深层特征。这些方法往往无法充分挖掘SAR图像中的丰富信息,限制了分类的准确性和泛化能力。
[0004]近年来,深度学习技术在SAR图像建筑区分类中取得了显著的进展。卷积神经网络(Convolutional Neural Networks,CNN)被广泛应用于图像分类任务,并在自动特征学习方面取得了优秀的性能。然而,传统的CNN结构在处理SAR图像时存在一些不足之处,如对复杂散射机制的建模能 ...
【技术保护点】
【技术特征摘要】
1.一种基于多种注意力权重融合特征的SAR图像建筑区分类方法,其特征在于,包括以下步骤:S1、获取目标区域待识别建筑区的SAR图像,通过多尺度特征提取模块提取出多尺度特征图;S2、将所述多尺度特征图作为注意力重构权重模块的输入,获得带有重构权重的特征图;S3、将所述多尺度特征作为注意力通道
‑
空间权重模块的输入,获得带有通道
‑
空间权重的特征图;S4、将所述带有重构权重的特征图和带有通道
‑
空间权重的特征图,以及对所述SAR图像进行下采样的特征图进行融合,获得多种注意力权重的融合特征图;S5、将所述融合特征图输入训练后的判别器网络模块,输出所述目标区域内的建筑区分类结果。2.根据权利要求1所述的方法,其特征在于,所述步骤S1包括:S101、获取目标区域待识别建筑区的SAR图像,进行预处理;S102、将预处理后的SAR图像特征,分别送入由不同大小卷积核构成的两个分支中,进行并行多尺度感受野计算;S103、将两个分支计算的特征结果,在通道层面进行堆叠,提取出多尺度特征图。3.根据权利要求2所述的方法,其特征在于,所述步骤S101包括:获取目标区域待识别建筑区的SAR图像,使用一个带有修正线性单元和一个卷积核进行特征预处理。4.根据权利要求2所述的方法,其特征在于,所述步骤S2包括:S201、将所述多尺度特征图F1作为输入,采用双线性插值对所述多尺度特征F1进行上采样获得采样特征图U
i
,将所述多尺度特征图F1重构为与所述SAR图像相同维度的空间;S202、采用距离度量准则计算采样特征图U
i
和所述多尺度特征图F1的相似度;S203、对相似度距离进行归一化处理,得到重构权重W
i
;S204、将所述重构权重W
i
乘上所述多尺度特征图F1,获得带有重构权重的特征图。5.根据权利要求2所述的方法,其特征在于,所述步骤S3包括:S301、将所述多尺度特征图F1作为输入,通过权重计算,获得注意力通道
‑
空间权重M
i
;S302...
【专利技术属性】
技术研发人员:李冠群,
申请(专利权)人:耕宇牧星北京空间科技有限公司,
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。