【技术实现步骤摘要】
本专利技术属于模式识别与图像处理，具体涉及一种基于注意力机制的高光谱图像匹配检测方法。
技术介绍
1、遥感已经成为人类探索宇宙、地球生态及资源的重要技术，被广泛应用于地质勘探、环境保护、城市规划、海洋监测、气象预报、抢险救灾、军事国防等领域，在国民经济发展、国防建设中发挥了重要的作用。高光谱遥感技术已经成为颇具特色的遥感前沿技术，在遥感观测领域占有重要地位，国内外都投入大量的人力和财力到高光谱遥感技术的研究中来。高光谱图像由高光谱成像传感器采集获得，既包含了场景中的空间信息，又包含了光谱信息，使得高光谱图像具有“图谱合一”的特性，此外，不同物质具有不同的光谱特征，这使高光谱图像在目标检测和识别方面具有独特的优势。
2、目标检测作为高光谱遥感技术应用的重要手段之一，根据是否需要目标光谱先验知识，高光谱图像目标检测可以分为光谱异常检测和光谱匹配检测。光谱异常检测是在无目标光谱先验信息的条件下，检测图像中与周围背景像素具有显著不同的异常点。光谱匹配检测通过建立已知光谱信息的模型来检测场景中是否含有目标像素点，高光谱图像匹配检测可以看作是一个二分类问题，即将像素分类为目标像素与背景像素。高光谱匹配检测已经广泛应用于多个民用和军事领域，包括食品安全、病虫害监测、矿物探测、爆炸物检测、搜索和营救等。本专利技术主要关注在目标光谱信息已知情况下的目标检测，也就是基于光谱匹配的目标检测算法。
3、高光谱图像中同类物质的光谱相似性为高光谱匹配检测奠定了基础，但对于复杂的场景，特别是当目标与背景之间光谱相似度比较高时，仅仅依靠
技术实现思路
1、针对现有技术中存在的上述问题，本专利技术提出了一种基于注意力机制的高光谱图像匹配检测方法，设计合理，解决了现有技术的不足，具有良好的效果。
2、一种基于注意力机制的高光谱图像匹配检测方法，包括以下步骤：
3、s1、对待检测的高光谱图像进行归一化处理；
4、s2、以归一化后的高光谱图像为输入，建立高光谱图像重建模型，所述高光谱图像重建模型包括全卷积网络和通道-空间注意力模块，输出为通道注意力和空间注意力；
5、s3、将归一化的高光谱图像依次与通道注意力和空间注意力进行元素点乘，以得到注意力加权后的高光谱图像；
6、s4、将注意力加权后的高光谱图像的像素光谱与已知光谱模板作为高光谱匹配检测器的输入，进一步检测像素是否为目标像素。
7、进一步地，所述s2中，所述全卷积网络依次包括输入层、个卷积层和输出层，每个卷积层后连接批归一化层和激活函数；所述通道-空间注意力模块包括通道注意力模块和空间注意力模块；
8、其中，个卷积层均采用二维多通道卷积，前个卷积层的卷积核尺寸为3×3，且采用补零填充以保持卷积前后特征图的尺寸不变，卷积核的个数逐层递减；第个卷积层采用1×1卷积，卷积核的数目与输入高光谱图像所包含的波段数目一致；激活函数选用修正线性单元relu。
9、进一步地，所述s2的工作过程包括以下子步骤：
10、s21、归一化后的高光谱图像经过全卷积网络后提取到特征图；
11、s22、通道注意力模块首先对特征图分别进行全局平均池化和全局最大池化，其中，为特征图对应的通道数，为特征图的高度，为特征图的宽度；然后分别利用全连接层处理后相加，最后采用sigmoid函数将通道的权值限定在0~1之间，即可获得尺寸为通道注意力，如下式所示：
12、；
13、s23、空间注意力模块首先对分别在通道上采用最大池化和平均池化进行处理，并将处理后的结果进行堆叠，然后通过卷积操作将通道数调整为1，最后利用sigmoid函数将空间的权值限定在0~1之间，即可获得尺寸为空间注意力，如下式所示：
14、；
15、s24、通过反相传播算法最小化模型输出与输入之间的误差，对模型参数以及注意力权值进行更新，使模型能够自动关注重要的特征，实现自适应的权值调整。
16、进一步地，步骤s3包括以下子步骤：
17、s31、将归一化后的高光谱图像与通道注意力进行元素点乘，得到通道加权后的高光谱图像，表达式为：
18、；
19、s32、对通道加权后的图像，继续与空间注意力进行元素点乘，得到通道-空间加权后的图像，表达式为：
20、。
21、进一步地，所述s4包括以下子步骤：
22、s41、将通道-空间加权后的高光谱图像的像素光谱与已知光谱模板作为高光谱匹配检测器的输入来计算二者的相似度；
23、s42、将计算得到的相似度值与预设的检测阈值进行比较，若相似度超过检测阈值，则判定对应像素点为目标，否则判定对应像素点为背景。
24、进一步地，所述s41中，选用自适应余弦估计高光谱检测器来进行高光谱目标检测，其中自适应余弦估计高光谱检测器的表达式如下：
25、；
26、其中，为自适应余弦估计器的检测值，用来衡量待检测光谱与模板光谱的相似度，是注意力加权后高光谱图像中的像素光谱，是已知的目标模板光谱，表示转置，是由下式估计得到的协方差矩阵：
27、；
28、在上式中，是待检测图像中包含所有像素点的数目，；为注意力加权后高光谱图像中第个像素光谱；为注意力加权后待检测像素光谱的均值，即：
29、。
30、本专利技术带来的有益技术效果：
31、本专利技术通过对高光谱图像重建以获取目标的通道-空间注意力，并利用获取的通道-空间注意力对原始光谱进行注意力加权处理，通过对光谱通道加权以增加同类光谱间的相似性与异类光谱间的差异性，通过对光谱空间注意力加权以充分考虑上下文信息，突出目标抑制背景，进而提升目标的检测精度。
本文档来自技高网...【技术保护点】
1.一种基于注意力机制的高光谱图像匹配检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于注意力机制的高光谱图像匹配检测方法，其特征在于，所述S2中，所述全卷积网络依次包括输入层、个卷积层和输出层，每个卷积层后连接批归一化层和激活函数；所述通道-空间注意力模块包括通道注意力模块和空间注意力模块；
3.根据权利要求2所述的一种基于注意力机制的高光谱图像匹配检测方法，其特征在于， 所述S2的工作过程包括以下子步骤：
4.根据权利要求3所述的一种基于注意力机制的高光谱图像匹配检测方法，其特征在于，步骤S3包括以下子步骤：
5.根据权利要求4所述的一种基于注意力机制的高光谱图像匹配检测方法，其特征在于，所述S4包括以下子步骤：
6.根据权利要求4所述的一种基于注意力机制的高光谱图像匹配检测方法，其特征在于，所述S41中，选用自适应余弦估计高光谱检测器来进行高光谱目标检测，其中自适应余弦估计高光谱检测器的表达式如下：
【技术特征摘要】
1.一种基于注意力机制的高光谱图像匹配检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于注意力机制的高光谱图像匹配检测方法，其特征在于，所述s2中，所述全卷积网络依次包括输入层、个卷积层和输出层，每个卷积层后连接批归一化层和激活函数；所述通道-空间注意力模块包括通道注意力模块和空间注意力模块；
3.根据权利要求2所述的一种基于注意力机制的高光谱图像匹配检测方法，其特征在于， 所述s2的工作过程包括以下...
【专利技术属性】
技术研发人员：孙巧巧，刘艳萍，盛春阳，卢晓，王海霞，聂君，张治国，宋诗斌，任日葵，张晓玉，
申请(专利权)人：山东科技大学，
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。