一种基于深度学习的多聚合特征金字塔遥感图像检测方法技术

本发明专利技术公开一种基于深度学习的多聚合特征金字塔遥感图像检测方法，属于遥感图像的图像处理及深度学习目标检测技术领域。方法包括遥感图像预处理，对预处理后的图像数据进行筛选、裁剪并制作统一尺寸的数据集；构建基于深度学习的目标检测神经网络模型；使用制作数据集对搭建的目标检测模型进行训练、优化、和测试，并保存得到的最优模型权重；将高分辨率遥感图像输入构建的目标检测模型并加载最优模型权重，最后对遥感图像中具体的类别目标，生成准确的目标检测框。本发明专利技术改进特征金字塔模型并用于遥感图像目标检测任务，是一种即插即用的方法，改进的目标检测模型能实现更高的检测精度，更好的检测效果，并且模型计算量适中。

【技术实现步骤摘要】

本专利技术属遥感图像的图像处理及深度学习目标检测，具体涉及一种基于深度学习的多聚合特征金字塔遥感图像检测方法。

技术介绍

1、遥感图像的图像处理是指对通过航空或航天平台获取的图像数据进行分析、处理和提取信息的一系列技术和方法。遥感图像在各个领域具有广泛的应用场景和巨大的应用价值。它可用于城市规划与建设、农业资源管理、环境监测、自然灾害评估等多个领域。然而，遥感图像面临着一些重要的挑战，光照条件的变化可能导致图像中的阴影、反射等问题，影响地物的可视性和图像的解译准确性；遥感图像通常具有高分辨率和大数据量，对存储和处理资源提出了挑战。处理这些数据需要高效的算法和强大的计算能力；高层建筑、树木等地物可能会遮挡地面上的其他特征，导致在图像中缺乏完整性。因此开发检测效果更好的遥感图像目标检测算法是有意义的。

2、深度学习在遥感图像目标检测方面取得了显著的进展，为高效、准确地识别图像中的目标提供了新的可能性。基于深度学习的遥感图像目标检测方法能够利用大量的训练数据进行端到端的学习，训练好的模型可以对更多的遥感图像中的目标实现更精细准确的检测。但遥感图像存在本文档来自技高网...

【技术保护点】

1.一种基于深度学习的多聚合特征金字塔遥感图像检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述基于深度学习的多聚合特征金字塔遥感图像检测方法，其特征在于，步骤S1遥感图像数据预处理包括以下步骤：

3.根据权利要求1所述基于深度学习的多聚合特征金字塔遥感图像检测方法，其特征在于，步骤S2包括以下步骤：

4.根据权利要求1所述基于深度学习的多聚合特征金字塔遥感图像检测方法，其特征在于，步骤S3包括以下步骤：

5.根据权利要求1所述基于深度学习的多聚合特征金字塔遥感图像检测方法，其特征在于，步骤S4具体包括以下步骤：

6....

【技术特征摘要】

1.一种基于深度学习的多聚合特征金字塔遥感图像检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述基于深度学习的多聚合特征金字塔遥感图像检测方法，其特征在于，步骤s1遥感图像数据预处理包括以下步骤：

3.根据权利要求1所述基于深度学习的多聚合特征金字塔遥感图像检测方法，其特征在于，步骤s2包括以下步骤：

【专利技术属性】
技术研发人员：张敬林，丁昊，夏博，刘卫林，王兴华，王伦乾，
申请(专利权)人：临沂大学，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人