遥感图像目标检测方法、装置、存储介质和电子设备制造方法及图纸

本申请公开了一种遥感图像目标检测方法、装置、存储介质和电子设备。该方法包括：获取待检测的第一遥感图像；利用预设的特征提取网络对第一遥感图像进行特征提取，得到在多个不同层级的第一特征图像；通过预训练的遥感目标检测模型的第一特征处理单元对多个不同层级的第一特征图像进行特征处理，得到对应的第一融合特征图像；通过遥感目标检测模型的第一检测单元对多个不同层级的第一融合特征图像进行检测，得到多个不同层级的第一融合特征图像对应的检测结果，并基于不同层级对应的检测结果确定第一遥感图像的第一多尺度目标。本申请解决了遥感目标检测技术无法捕捉跨尺度特征的长距离依赖关系，导致混叠效应验证的技术问题。题。题。

【技术实现步骤摘要】
遥感图像目标检测方法、装置、存储介质和电子设备


[0001]本申请涉及目标检测
，具体而言，涉及一种遥感图像目标检测方法、装置、存储介质和电子设备。

技术介绍

[0002]随着计算机技术的发展和视觉原理的不断发展，利用计算机图像处理技术进行目标检测已经在军事侦察、公共安全、智能交通、城市规划等众多领域得到了广泛的应用。遥感图像的目标检测技术是随着遥感技术的发展而兴起的一项新技术，其凭借作用距离远、覆盖范围广、执行效率高等优点，使其具有重要的军事意义和民用价值。
[0003]然而，尽管高分辨率的遥感图像可以提供地面物体的详细信息，但它们同时存在广泛而复杂的背景(如遮挡条件)，导致相关遥感图像目标检测方法的检测精度较低，限制了遥感图像在目标检测技术的应用范围。
[0004]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本申请实施例提供了一种遥感图像目标检测方法、装置、存储介质和电子设备，以至少解决遥感目标检测技术无法捕捉跨尺度特征的长距离依赖关系，导致混叠效应验证的技术问题。
[0006]根据本申请实施例的一个方面，提供了一种遥感图像目标检测方法，包括：获取待检测的第一遥感图像；利用预设的特征提取网络对第一遥感图像进行特征提取，得到第一遥感图像在多个不同层级的第一特征图像；通过预训练的遥感目标检测模型的第一特征处理单元对多个不同层级的第一特征图像进行特征处理，得到多个不同层级的第一融合特征图像，其中，第一特征处理单元中包括：用于对多个不同层级的第一特征图像进行多尺度特征融合处理的基于非局部感知和注意力机制的目标特征金字塔网络、对目标特征金字塔网络输出的第一浅层融合特征图像进行解耦处理的多尺度特征解耦网络、对目标特征金字塔网络输出的第一中层融合特征图像和第一深层融合特征图像调整多尺度特征比例的自适应分配多尺度特征网络、对多尺度特征解耦网络和自适应分配多尺度特征网络输出的优化融合特征图像进行图像信息分离的过滤无效信息策略网络；通过遥感目标检测模型的第一检测单元对多个不同层级的第一融合特征图像进行检测，得到多个不同层级的第一融合特征图像对应的检测结果，并基于不同层级对应的检测结果确定第一遥感图像的第一多尺度目标。
[0007]可选地，利用预设的特征提取网络对遥感图像进行特征提取，得到遥感图像在多个不同层级的第一特征图像，包括：对第一遥感图像进行预处理；利用特征提取网络对处理后的第一遥感图像进行特征提取，得到第一遥感图像在多个不同层级的第一特征图像，其中，第一特征图像中包括：第一浅层特征图像、第一中层特征图像和第一深层特征图像。
[0008]可选地，遥感目标检测模型的训练过程包括：获取样本图像集，其中，样本图像集
中包括多个第二遥感图像，且每个第二遥感图像内包括至少一个第二遥感目标；利用特征提取网络对样本图像集内的各个第一遥感图像进行特征提取，得到各个第一遥感图像在多个不同层级的第二特征图像，其中，第二特征图像中包括：第二浅层特征图像、第二中层特征图像和第二深层特征图像；构建初始遥感目标检测模型，其中，初始遥感目标检测模型中包括：第二特征处理单元和第二检测单元；基于样本图像集内各个第二遥感图像在多个不同层级的第二特征图像对初始遥感目标检测模型进行训练，得到遥感目标检测模型。
[0009]可选地，第二特征处理单元的构建过程包括：构建融合非局部感知和双注意力机制的目标特征金字塔网络，其中，目标特征金字塔模块中包括：浅层特征网络、中层特征网络和深层特征网络；构建融合位置感知注意力机制的自适应分配多尺度特征网络；采用门函数构建多尺度特征解耦网络，并采用隶属函数构建过滤无效信息策略网络。
[0010]可选地，基于样本图像集内各个第二遥感图像在多个不同层级的第二特征图像对初始遥感目标检测模型进行训练，得到遥感目标检测模型，包括：对于每个第二遥感图像，将第二遥感图像在多个不同层级的第二特征图像输入至初始遥感目标检测模型，得到初始遥感目标检测模型输出的第二多尺度目标；依据样本图像集内的第二遥感目标与第二多尺度目标构建目标损失函数，其中，目标损失函数用于反映第二遥感目标和第二多尺度目标之间的差异；基于目标损失函数调整初始遥感目标检测模型的模型参数，得到遥感目标检测模型。
[0011]可选地，将第二遥感图像在多个不同层级的第二特征图像输入至初始遥感目标检测模型，得到初始遥感目标检测模型输出的第二多尺度目标，包括：采用目标特征金字塔网络对多个不同层级的第二特征图像进行多尺度特征融合处理，分别得到第二浅层特征图像对应的第二浅层融合特征图像、第二中层特征图像对应的第二中层融合特征图像以及第二深层特征图像对应的第二深层融合特征图像；将第二浅层融合特征图像输入至多尺度特征解耦网络，得到第三浅层融合特征图像，并分别将第二中层融合特征图像和第二深层融合特征图像输入至添加自适应分配多尺度特征网络，得到第三中层融合特征图像和第三深层融合特征图像；将第三浅层融合特征图像、第三中层融合特征图像和第三深层融合特征图像分别输入至对应的过滤无效信息策略网络中，得到第二浅层融合特征图像对应的第一图像信息、第二中层融合特征图像对应的第二图像信息以及第二深层融合特征图像对应的第三图像信息，其中，第一图像信息、第二图像信息和第三图像信息中包括：前景信息或者背景信息；将第一图像信息、第二图像信息以及第三图像信息分别输入至对应层级的第二检测单元，得到不同层级的第二检测单元输出的浅层特征检测结果、中层特征检测结果和深层特征检测结果；基于不同层级的第二检测单元输出的浅层特征检测结果、中层特征检测结果和深层特征检测结果确定第二遥感图像的第二多尺度目标。
[0012]可选地，特征提取网络中包括以下至少之一：LeNet
‑
5网络、AlexNet网络、VGGNet网络、GoogLeNet网络、ResNet网络。
[0013]根据本申请实施例的另一方面，还提供了一种遥感图像目标检测装置，包括：获取模块，用于获取待检测的第一遥感图像；特征提取模块，用于利用预设的特征提取网络对第一遥感图像进行特征提取，得到第一遥感图像在多个不同层级的第一特征图像；特征处理模块，用于通过预训练的遥感目标检测模型的第一特征处理单元对多个不同层级的第一特征图像进行特征处理，得到多个不同层级的第一融合特征图像，其中，第一特征处理单元中
包括：用于对多个不同层级的第一特征图像进行多尺度特征融合处理的基于非局部感知和注意力机制的目标特征金字塔网络、对目标特征金字塔网络输出的第一浅层融合特征图像进行解耦处理的多尺度特征解耦网络、对目标特征金字塔网络输出的第一中层融合特征图像和第一深层融合特征图像调整多尺度特征的比例的自适应分配多尺度特征网络、对多尺度特征解耦网络和自适应分配多尺度特征网络输出的融合特征图像进行图像信息分离的过滤无效信息策略网络；目标检测模块，用于通过遥感目标检测模型的第一检测单元对多个不同层级的第一融合特征图像进行检测，得到多个不同层级的第一融合特征图像对应的检测结果，并基于不同层级对应的检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种遥感图像目标检测方法，其特征在于，包括：获取待检测的第一遥感图像；利用预设的特征提取网络对所述第一遥感图像进行特征提取，得到所述第一遥感图像在多个不同层级的第一特征图像；通过预训练的遥感目标检测模型的第一特征处理单元对多个不同层级的所述第一特征图像进行特征处理，得到多个不同层级的第一融合特征图像，其中，所述第一特征处理单元中包括：用于对多个不同层级的所述第一特征图像进行多尺度特征融合处理的基于非局部感知和注意力机制的目标特征金字塔网络、对所述目标特征金字塔网络输出的第一浅层融合特征图像进行解耦处理的多尺度特征解耦网络、对所述目标特征金字塔网络输出的第一中层融合特征图像和第一深层融合特征图像调整多尺度特征比例的自适应多尺度信息特征网络、对所述多尺度特征解耦网络和所述自适应分配多尺度特征网络输出的优化融合特征图像进行图像信息分离的过滤无效信息策略网络；通过所述遥感目标检测模型的第一检测单元对多个不同层级的所述第一融合特征图像进行检测，得到多个不同层级的所述第一融合特征图像对应的检测结果，并基于不同层级对应的所述检测结果确定所述第一遥感图像的第一多尺度目标。2.根据权利要求1所述的方法，其特征在于，利用预设的特征提取网络对所述遥感图像进行特征提取，得到所述遥感图像在多个不同层级的第一特征图像，包括：对所述第一遥感图像进行预处理；利用所述特征提取网络对处理后的所述第一遥感图像进行特征提取，得到所述第一遥感图像在多个不同层级的第一特征图像，其中，所述第一特征图像中包括：第一浅层特征图像、第一中层特征图像和第一深层特征图像。3.根据权利要求1所述的方法，其特征在于，所述遥感目标检测模型的训练过程包括：获取样本图像集，其中，所述样本图像集中包括多个第二遥感图像，且每个所述第二遥感图像内包括至少一个第二遥感目标；利用所述特征提取网络对所述样本图像集内的各个所述第一遥感图像进行特征提取，得到各个所述第一遥感图像在多个不同层级的第二特征图像，其中，所述第二特征图像中包括：第二浅层特征图像、第二中层特征图像和第二深层特征图像；构建初始遥感目标检测模型，其中，所述初始遥感目标检测模型中包括：第二特征处理单元和第二检测单元；基于所述样本图像集内各个所述第二遥感图像在多个不同层级的第二特征图像对所述初始遥感目标检测模型进行训练，得到所述遥感目标检测模型。4.根据权利要求3所述的方法，其特征在于，所述第二特征处理单元的构建过程包括：构建融合非局部感知和双注意力机制的所述目标特征金字塔网络，其中，所述目标特征金字塔模块中包括：浅层特征网络、中层特征网络和深层特征网络；构建融合位置感知注意力机制的所述自适应分配多尺度特征网络；采用门函数构建所述多尺度特征解耦网络，并采用隶属函数构建所述过滤无效信息策略网络。5.根据权利要求3所述的方法，其特征在于，基于所述样本图像集内各个所述第二遥感图像在多个不同层级的第二特征图像对所述初始遥感目标检测模型进行训练，得到所述遥
感目标检测模型，包括：对于每个所述第二遥感图像，将所述第二遥感图像在多个不同层级的所述第二特征图像输入至所述初始遥感目标检测模型，得到所述初始遥感目标检测模型输出的第二多尺度目标；依据所述样本图像集内的所述第二遥感目标与所述第二多尺度目标构建目标损失函数，其中，所述目标损失函数用于反映所述第二遥感目标和所述第二多尺度目标之间的差异；基于所述目标损失函数调整所述初始遥感目标检测模型的模型参数，得到所述遥感目标检测模型。6.根据权利要求3...

【专利技术属性】
技术研发人员：李昊伦，田澍，杜康宁，郭亚男，宋沛然，曹林，王卿，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：