System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像处理领域,尤其涉及一种用于遥感基础模型的图像处理方法、装置、设备及存储介质。
技术介绍
1、近年来,许多视觉基础模型以其卓越的特征提取和表示能力脱颖而出,取得了巨大的成功。受限于边缘服务器或终端设备有限的资源,现有的遥感基础模型无法在实际应用中支持在轨遥感图像的多任务解译。因此,设计一个轻量级的基础模型,实现遥感图像的高精度、多任务在轨解译是未来的发展趋势。然而,不同下游解译任务倾向于关注不同的目标区域,不同区域中关键目标的像素变化在频域中的信息差异在一定程度上影响了不同下游任务的解释准确性。
技术实现思路
1、鉴于上述问题,本专利技术提供了一种用于遥感基础模型的图像处理方法、装置、设备及存储介质。
2、根据本专利技术的第一个方面,提供了一种用于遥感基础模型的图像处理方法,包括:
3、从遥感图像数据集中的每个遥感图像中随机选择预设百分比的图像切片;
4、对每张所述图像切片进行高通滤波或低通滤波,得到滤波后的图像切片;
5、利用所有所述滤波后的图像切片,对遥感基础模型进行训练,所述遥感基础模型用于提取遥感图像的图像特征;
6、利用训练完成的遥感基础模型提取遥感图像的图像特征。
7、根据本专利技术实施例,所述对每张所述图像切片进行高通滤波或低通滤波,得到滤波后的图像切片包括:
8、将每张所述图像切片分为高频类别或低频类别,得到高频类别的图像切片或低频类别的图像切片;
9、对
10、对所述低频类别的图像切片进行低通滤波,得到第二类滤波图像切片;
11、其中,所述滤波后的图像切片包括所述第一类滤波图像切片和所述第二类滤波图像切片。
12、根据本专利技术实施例,所述将每张所述图像切片分为高频类别或低频类别,得到高频类别的图像切片或低频类别的图像切片包括:
13、将高频像素比例高于低频像素比例的图像切片确定为所述高频类别的图像切片;
14、将低频像素比例高于高频像素比例的图像切片确定为所述低频类别的图像切片。
15、根据本专利技术实施例,所述利用所述滤波后的图像切片,对遥感基础模型进行训练包括:
16、对所述滤波后的图像切片进行随机像素选择,得到被选择的像素;
17、将所述被选择的像素进行掩码,得到掩码后的图像切片;
18、将所述掩码后的图像切片作为所述遥感基础模型的训练集,对所述遥感基础模型进行训练。
19、根据本专利技术实施例,所述预设百分比为50%。
20、根据本专利技术实施例,所述遥感基础模型为双分支cnn-transformer混合框架的模型,所述双分支cnn-transformer混合框架包括cnn分支和transformer分支;
21、所述cnn分支用于处理图像的高频信息;
22、所述transformer分支用于处理图像的低频信息。
23、本专利技术的第二方面提供了一种用于遥感基础模型的图像处理装置,,包括:
24、选择模块,用于从遥感图像数据集中的每个遥感图像中随机选择预设百分比的图像切片;
25、滤波模块,用于对每张所述图像切片进行高通滤波或低通滤波,得到滤波后的图像切片;
26、训练模块,用于利用所有所述滤波后的图像切片,对遥感基础模型进行训练,所述遥感基础模型用于提取遥感图像的图像特征;
27、提取模块,用于利用训练完成的遥感基础模型提取遥感图像的图像特征。
28、根据本专利技术实施例,所述对每张所述图像切片进行高通滤波或低通滤波,得到滤波后的图像切片包括:
29、将所述图像切片分为高频类别或低频类别,得到高频类别的图像切片或低频类别的图像切片;
30、对所述高频类别的图像切片进行高通滤波,得到第一类滤波图像切片;
31、对所述低频类别的图像切片进行低通滤波,得到第二类滤波图像切片;
32、其中,所述滤波后的图像切片包括所述第一类滤波图像切片和所述第二类滤波图像切片。
33、本专利技术的第三方面提供了一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得一个或多个处理器执行上述方法。
34、本专利技术的第四方面还提供了一种计算机可读存储介质,其上存储有可执行指令,该指令被处理器执行时使处理器执行上述方法。
35、根据本专利技术提供的用于遥感基础模型的图像处理方法、装置、设备及存储介质,通过频域分解图像切片高低频特性,在频谱基础上对图像随机掩码,有效提升预训练网络在下游泛化能力遥感基础模型。既能捕获局部和全局图像特征,又能提高遥感基础模型的效率和泛化能力。
本文档来自技高网...【技术保护点】
1.一种用于遥感基础模型的图像处理方法,其特征在于,包括:
2.根据权利要求1所述的用于遥感基础模型的图像处理方法,其特征在于,所述对每张所述图像切片进行高通滤波或低通滤波,得到滤波后的图像切片包括:
3.根据权利要求2所述的用于遥感基础模型的图像处理方法,其特征在于,所述将每张所述图像切片分为高频类别或低频类别,得到高频类别的图像切片或低频类别的图像切片包括:
4.根据权利要求1所述的用于遥感基础模型的图像处理方法,其特征在于,所述利用所有所述滤波后的图像切片,对遥感基础模型进行训练包括:
5.根据权利要求1所述的用于遥感基础模型的图像处理方法,其特征在于,所述预设百分比为50%。
6.根据权利要求1所述的用于遥感基础模型的图像处理方法,其特征在于,所述遥感基础模型为双分支CNN-Transformer混合框架的模型,所述双分支CNN-Transformer混合框架包括CNN分支和Transformer分支;
7.一种用于遥感基础模型的图像处理装置,其特征在于,包括:
8.根据权利要求7所述的用
9. 一种电子设备,其特征在于,包括:
10.一种计算机可读存储介质,其特征在于,其上存储有可执行指令,该指令被处理器执行时使处理器执行根据权利要求1~6中任一项所述的方法。
...【技术特征摘要】
1.一种用于遥感基础模型的图像处理方法,其特征在于,包括:
2.根据权利要求1所述的用于遥感基础模型的图像处理方法,其特征在于,所述对每张所述图像切片进行高通滤波或低通滤波,得到滤波后的图像切片包括:
3.根据权利要求2所述的用于遥感基础模型的图像处理方法,其特征在于,所述将每张所述图像切片分为高频类别或低频类别,得到高频类别的图像切片或低频类别的图像切片包括:
4.根据权利要求1所述的用于遥感基础模型的图像处理方法,其特征在于,所述利用所有所述滤波后的图像切片,对遥感基础模型进行训练包括:
5.根据权利要求1所述的用于遥感基础模型的图像处理方法,其特征在于,所述预设百分比为50%。
6...
【专利技术属性】
技术研发人员:付琨,孙显,王智睿,赵良瑾,成培瑞,陈凯强,
申请(专利权)人:中国科学院空天信息创新研究院,
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。