一种端到端痕迹检测方法技术

本发明专利技术公开了一种端到端痕迹检测方法，属于痕迹检测技术领域，其方法包括：获取参考图像和任务图像，参考图像和任务图像为同一地方不同时刻拍摄的图像；将参考图像和任务图像输入预先训练好的相干变化检测网络中，得到痕迹检测结果；其中，相干变化检测网络包括配准子网络、相干估计子网络和痕迹检测子网络；配准子网络用于根据参考图像的实数部分、任务图像的实数部分计算配准偏移量，并根据配准偏移量对任务图像的实数部分和虚数部分进行配准得到配准的任务图像；相干估计子网络用于根据参考图像和配准的任务图像计算差异图像；痕迹检测子网络用于从差异图像中提取痕迹信息得到痕迹检测结果。本发明专利技术能够简化痕迹检测过程并提升检测准确率。

【技术实现步骤摘要】

本专利技术属于痕迹检测，具体涉及一种端到端痕迹检测方法。

技术介绍

1、基于合成孔径雷达(synthetic aperture radar，简称sar)的相干变化检测方法(coherent change detection，简称ccd)利用复值重复航过、重复几何雷达图像的相干积累特性，可以检测到非常细微的变化轨迹，但是像车辆轮胎轨迹或脚印等微弱痕迹很容易被基于强度的变化检测算法忽略。ccd处理方法涉及亚像素配准、相干性估计和轨迹检测等关键步骤，为保证最后检测结果的可靠性，其中每个步骤都需要精确严格执行，这需要大量的人工成本和复杂的计算量。

2、近年来，随着遥感数据获取量的增加和硬件平台计算能力的提高，基于卷积神经网络的遥感图像识别方法在sar图像检测与识别、特征点分割、变化检测等领域取得了重大进展。将独立的检测和识别模型集成到一个端到端的识别检测网络中，不仅可以提高检测任务中的目标检测概率，还可以提高目标识别任务的准确率。端到端深度学习模型成功的主要原因在于其不仅重复使用不同任务的图像特征，而且能够通过对子任务的再优化来提升整体的泛化性能。因此本文档来自技高网...

【技术保护点】

1.一种端到端痕迹检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的端到端痕迹检测方法，其特征在于，所述配准子网络包括第一特征提取网络、第二特征提取网络、上下文信息提取网络、相关层、运动特征编码器、GMA模块、拼接层、GRU模块和空间变化网络；其中，

3.根据权利要求2所述的端到端痕迹检测方法，其特征在于，所述第一特征提取网络、所述第二特征提取网络和所述上下文信息提取网络的网络结构相同、网络参数不同。

4.根据权利要求2所述的端到端痕迹检测方法，其特征在于，所述空间变化网络包括网格生成器和采样器；其中，

5.根据权利要求1所述的...

【技术特征摘要】

1.一种端到端痕迹检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的端到端痕迹检测方法，其特征在于，所述配准子网络包括第一特征提取网络、第二特征提取网络、上下文信息提取网络、相关层、运动特征编码器、gma模块、拼接层、gru模块和空间变化网络；其中，

3.根据权利要求2所述的端到端痕迹检测方法，其特征在于，所述第一特征提取网络、所述第二特征提取网络和所述上下文信息提取网络的网络结构相同、网络参数不同。

4.根据权利要求2所述的端到端痕迹检测方法，其特征在于，所述空间变化网络包括网格生成器和采样器；其中，

5.根据权利...

【专利技术属性】
技术研发人员：张金松，韩青，邢孟道，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：