【技术实现步骤摘要】
本专利技术涉及遥感图像处理，更具体的说是涉及基于特征变换的遥感图像特征提取模型预训练方法及装置。
技术介绍
1、遥感图像在国防安全、环境监测、城市规划等领域具有广泛的应用前景。遥感图像解译一直以来都是遥感领域的研究重点之一，遥感图像目标检测，遥感图像实例分割等更是炙手可热的研究重点。
2、当前主流的遥感图像目标检测及实例分割方法，主要基于有监督的训练范式设计模型进行训练，这类模型基于卷积神经网络构建，经过特征提取，特征融合，特征解耦后输出潜在目标区域的掩码信息以及预测框和类型信息。然而，有监督的模型训练范式需要大量的标注信息，及目标的类别，位置，边界信息往往需要大量的人力和物力的帮助。这造成的巨大的人工成本消耗，同时也使得模型难以拓展到相似解译任务。
3、基于无监督的模型预训练方法成为了一种解决策略，这类方法无需任何标注信息即可学习图像内部的特征语义关系，利用基于无监督的模型预训练方法在目标检测及实例分割等下游任务上进行微调，即可实现不错的检测精度。这一方法极大的减少的标注成本的需求，使得遥感图像解译模型的拓展性...
【技术保护点】
1.一种基于特征变换的遥感图像特征提取模型预训练方法，其特征在于，
2.根据权利要求1所述的预训练方法，其特征在于，还原至时域时叠加所述振幅向量本身。
3.根据权利要求1所述的预训练方法，其特征在于，利用快速傅里叶变换映射至频域，以及利用逆傅里叶变换还原至时域。
4.根据权利要求1所述的预训练方法，其特征在于，对所述遥感图像进行拉普拉斯变换，并依次学习特征的空间结构，捕获长距离纹理特征，得到拉普拉斯优化图像，以及利用所述拉普拉斯优化图像约束特征变换结果的优化方向。
5.根据权利要求4所述的预训练方法，其特征在于，所述拉普...
【技术特征摘要】
1.一种基于特征变换的遥感图像特征提取模型预训练方法，其特征在于，
2.根据权利要求1所述的预训练方法，其特征在于，还原至时域时叠加所述振幅向量本身。
3.根据权利要求1所述的预训练方法，其特征在于，利用快速傅里叶变换映射至频域，以及利用逆傅里叶变换还原至时域。
4.根据权利要求1所述的预训练方法，其特征在于，对所述遥感图像进行拉普拉斯变换，并依次学习特征的空间结构，捕获长距离纹理特征，得到拉普拉斯优化图像，以及利用所述拉普拉斯优化图像约束特征变换结果的优化方向。
5.根据权利要求4所述的预训练方法，其特征在于，所述拉普拉斯优化图像和所述特征变换结果基于像素均方误差进行约束。
6.根据权利要求5所述的预训练方法，其特征在于，利用特征变换结果对遥感图像特征提取模型进行预训练时，采用的损失函数为所述拉普拉斯优化图像和所述特征变换结果的像素均方误差与所述特征变换结果...
【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。