【技术实现步骤摘要】
本专利技术涉及遥感图像，尤其涉及一种遥感影像焦面的判别方法。
技术介绍
1、在现有技术中，遥感影像焦面位置的确定涉及到光学成像原理和遥感系统的工作机制。受光学成像原理、相机参数、拍摄距离、场景复杂性、自动对焦技术和数据后处理等诸多因素的影响，遥感影像焦面位置的确定极为复杂，尤其是推扫式遥感成像和摆扫式遥感成像的调焦，由于调焦输入影像的成像条件受多个技术和参数的综合考虑，因此，难以通过自动化的手段实现精确调焦。基于上述问题，现有的确定遥感影像焦面的位置包括视觉检查法、图像质量评估法、频域分析法、结构信息理论法和机器学习方法等。视觉检查法依赖于操作员的主观判断，不同的操作员可能会有不同的观点和判断标准，导致判断结果具有不一致性，且视觉检查法需要大量的人力资源和时间成本；图像质量评估法对图像质量和特征的判断结果会受到图像本身质量和特点的影响，对于低质量、低对比度或噪声较多的图像焦面的位置判断极为困难，且选择合适的图像质量评估指标和阈值需要具备一定的专业知识和经验；频域分析法对焦面位置判定的结果会受参数选择的影响，如傅里叶变换中的窗函数选择、频谱能量的阈值等；结构信息理论方法在处理复杂场景、光照变化较大或存在遮挡的图像时效果较差。
技术实现思路
1、本专利技术为解决现有的对于遥感影像焦面的判别方法受成像景物、成像条件变换和人工经验的限制，导致遥感影像的焦面判别具有误差较大的缺点，提供一种遥感影像焦面的判别方法，在减少人力成本和时间成本的前提下，利用焦面位置判别模型实现对遥感图像的焦面位置的
2、本专利技术提出的遥感影像焦面的判别方法，具体包括如下步骤：
3、s1：将待分割遥感影像进行分割，获得n个分割图像；
4、s2：将n个分割图像依次输入至焦面位置判别模型进行训练，获得与n个分割图像一一对应的融合特征图；
5、s3：将n个分割图像所对应的融合特征图依次进行处理，获得每个分割图像所对应的焦面位置类型；
6、s4：对n个分割图像所对应的焦面位置类型进行统计分类，获得待分割遥感影像的焦面位置。
7、优选地，焦面位置判别模型由五个级联的阶段模块构成，其中，
8、第一阶段模块包括7*7卷积层，n个分割图像依次经7*7卷积层进行两次的卷积操作及相应的relu激活后，输出特征图；
9、第二阶段模块包括第一残差模块、两个第二残差模块和iqam注意力模块，特征图经级联的第一残差模块和两个第二残差模块进行残差操作后，经iqam注意力模块进行灰度变化注意力操作，获得特征图；
10、第三阶段模块包括第一残差模块、三个第二残差模块和iqam注意力模块，特征图经级联的第一残差模块和三个第二残差模块进行残差操作后，经iqam注意力模块进行灰度变化注意力操作，获得特征图；
11、第四阶段模块包括第一残差模块、五个第二残差模块和iqam注意力模块，特征图经级联的第一残差模块和五个第二残差模块进行残差操作后，经iqam注意力模块进行灰度变化注意力操作，获得特征图；
12、第五阶段模块包括第一残差模块和两个第二残差模块，特征图经级联的第一残差模块和两个第二残差模块进行残差操作后，获得特征图。
13、优选地，将特征图通过3*3卷积层进行两次卷积操作，获得特征图，将特征图通过3*3卷积层进行一次卷积操作，获得特征图，通过下式将特征图、特征图和特征图进行特征融合，获得特征融合图f：
14、（1）；
15、其中，为特征图，为特征图，为特征图，为特征图对应的权重，为特征图对应的权重，为特征图对应的权重。
16、优选地，在步骤s3中，将n个分割图像所对应的特征融合图f依次通过全局平均池化层进行池化处理后，经全连接层输出每个分割图像所对应的焦面位置类型。
17、优选地，第一残差模块包括1*1卷积层、3*3卷积层和silu激活函数，其中，两个1*1卷积层和3*3卷积层位于第一支路，1*1卷积层位于第二支路，输入至第一残差模块的特征图a分别输入至位于两个支路上的1*1卷积层，其中，特征图a经第一支路的1*1卷积层进行卷积及相应的silu激活操作后，获得特征图，特征图经3*3卷积层进行卷积及相应的silu激活操作，获得特征图，特征图经1*1卷积层进行卷积操作后获得特征图，将特征图输入至第二支路上的silu激活函数，同时特征图a经第二支路的1*1卷积层进行卷积操作后，获得特征图，将特征图与特征图相加后进行silu激活操作，输出特征图；
18、第二残差模块包括1*1卷积层、3*3卷积层和silu激活函数，输入至第二残差模块的特征图b经1*1卷积层进行卷积及相应的silu激活操作后，获得特征图，特征图经3*3卷积层进行卷积及相应的silu激活操作，获得特征图，特征图经1*1卷积层进行卷积操作后获得特征图，将特征图输入至silu激活函数，同时将特征图b输入至silu激活函数，将特征图b与特征图相加后进行silu激活操作，输出特征图。
19、优选地，iqam注意力模块包括通道注意力子模块、空间注意力子模块和灰度注意力子模块，将特征图c输入至通道注意力子模块进行空间维度的压缩操作，获得特征图，将特征图输入至空间注意力子模块进行通道维度的压缩操作，获得特征图，将特征图输入至灰度注意力子模块进行水平和垂直方向的梯度变化的计算，获得特征图。
20、优选地，灰度注意力子模块包括水平方向梯度算子、垂直方向梯度算子和7*7卷积层，输入至灰度注意力子模块的特征图d分别通过水平方向梯度算子和垂直方向梯度算子进行水平方向和垂直方向的梯度变化的计算，对应获得特征图和特征图，将特征图和特征图进行concat操作，获得特征图，特征图经7*7卷积层进行卷积及相应的sigmoid激活操作，获得特征图。
21、优选地，焦面位置类型包括0焦面位置、0.25焦面位置、0.5焦面位置、0.75焦面位置、1焦面位置、-0.25焦面位置、-0.5焦面位置、-0.75焦面位置和-1焦面位置。
22、优选地，利用focal loss损失函数对焦面位置判别模型进行优化，focal loss损失函数为：
23、（2）；
24、其中，fl为损失函数，为焦面位置判别模型所预测的当前分割图像所属焦面位置类型的概率，为权重因子，为调制因子
25、优选地，步骤s4具体包括如下操作：
26、s41：通过下式计算每个焦面位置类型的分割图像在n个分割图像的占比值k：
27、k=y/n（3）；
28、其中，y为当前焦面位置类型所对应的分割图像的总数，n为分割图像的总数；
29、s42：根据占比最大值所对应的焦面位置类型，获得待分割遥感影像的焦面位置。
30、优选地，silu激活函数的计算公式为：
31、（4）；
32、（5）；
33、（6本文档来自技高网...
【技术保护点】
1.一种遥感影像焦面的判别方法，其特征在于，具体包括如下步骤：
2.根据权利要求1所述的遥感影像焦面的判别方法，其特征在于，所述焦面位置判别模型由五个级联的阶段模块构成，其中，
3.根据权利要求2所述的遥感影像焦面的判别方法，其特征在于，将所述特征图通过所述3*3卷积层进行两次卷积操作，获得特征图，将所述特征图通过所述3*3卷积层进行一次卷积操作，获得特征图，通过下式将所述特征图、所述特征图和所述特征图进行特征融合，获得所述特征融合图F：
4.根据权利要求3所述的遥感影像焦面的判别方法，其特征在于，在所述步骤S3中，将n个分割图像所对应的特征融合图F依次通过平均池化层进行池化处理后，经全连接层输出每个分割图像所对应的焦面位置类型。
5.根据权利要求2所述的遥感影像焦面的判别方法，其特征在于，所述第一残差模块包括1*1卷积层、3*3卷积层和SiLu激活函数，其中，两个1*1卷积层和所述3*3卷积层位于第一支路，所述1*1卷积层位于第二支路，输入至所述第一残差模块的特征图A分别输入至位于两个支路上的所述1*1卷积层，其中，所述特征图A经
6.根据权利要求2所述的遥感影像焦面的判别方法，其特征在于，所述IQAM注意力模块包括通道注意力子模块、空间注意力子模块和灰度注意力子模块，将特征图C输入至所述通道注意力子模块进行空间维度的压缩操作，获得特征图，将所述特征图输入至所述空间注意力子模块进行通道维度的压缩操作，获得特征图，将所述特征图输入至所述灰度注意力子模块进行水平和垂直方向的梯度变化的计算，获得特征图。
7.根据权利要求6所述的遥感影像焦面的判别方法，其特征在于，所述灰度注意力子模块包括水平方向梯度算子、垂直方向梯度算子和7*7卷积层，输入至所述灰度注意力子模块的特征图D分别通过所述水平方向梯度算子和所述垂直方向梯度算子进行水平方向和垂直方向的梯度变化的计算，对应获得特征图和特征图，将所述特征图和所述特征图进行concat操作，获得特征图，所述特征图经所述7*7卷积层进行卷积及相应的sigmoid激活操作，获得特征图。
8.根据权利要求1所述的遥感影像焦面的判别方法，其特征在于，所述焦面位置类型包括0焦面位置、0.25焦面位置、0.5焦面位置、0.75焦面位置、1焦面位置、-0.25焦面位置、-0.5焦面位置、-0.75焦面位置和-1焦面位置。
9.根据权利要求1所述的遥感影像焦面的判别方法，其特征在于，利用Focal loss损失函数对所述焦面位置判别模型进行优化，所述Focal loss损失函数为：
10.根据权利要求8所述的遥感影像焦面的判别方法，其特征在于，所述步骤S4具体包括如下操作：
11.根据权利要求1所述的遥感影像焦面的判别方法，其特征在于，所述SiLu激活函数的计算公式为：
...【技术特征摘要】
1.一种遥感影像焦面的判别方法，其特征在于，具体包括如下步骤：
2.根据权利要求1所述的遥感影像焦面的判别方法，其特征在于，所述焦面位置判别模型由五个级联的阶段模块构成，其中，
3.根据权利要求2所述的遥感影像焦面的判别方法，其特征在于，将所述特征图通过所述3*3卷积层进行两次卷积操作，获得特征图，将所述特征图通过所述3*3卷积层进行一次卷积操作，获得特征图，通过下式将所述特征图、所述特征图和所述特征图进行特征融合，获得所述特征融合图f：
4.根据权利要求3所述的遥感影像焦面的判别方法，其特征在于，在所述步骤s3中，将n个分割图像所对应的特征融合图f依次通过平均池化层进行池化处理后，经全连接层输出每个分割图像所对应的焦面位置类型。
5.根据权利要求2所述的遥感影像焦面的判别方法，其特征在于，所述第一残差模块包括1*1卷积层、3*3卷积层和silu激活函数，其中，两个1*1卷积层和所述3*3卷积层位于第一支路，所述1*1卷积层位于第二支路，输入至所述第一残差模块的特征图a分别输入至位于两个支路上的所述1*1卷积层，其中，所述特征图a经所述第一支路的所述1*1卷积层进行卷积及相应的silu激活操作后，获得特征图，所述特征图经所述3*3卷积层进行卷积及相应的silu激活操作，获得特征图，所述特征图经所述1*1卷积层进行卷积操作后获得特征图，将所述特征图输入至第二支路上的silu激活函数，同时所述特征图a经所述第二支路的所述1*1卷积层进行卷积操作后，获得特征图，将所述特征图与所述特征图相加后进行silu激活操作，输出特征图；
6.根据权利要求2所...
【专利技术属性】
技术研发人员：傅瑶，牛向前，姜肖楠，王田，裴君妍，吴凡路，高鑫，
申请(专利权)人：中国科学院长春光学精密机械与物理研究所，
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。