一种基于大核卷积和分层多尺度特征融合的遥感图像微小目标检测方法技术

本发明专利技术属于图像处理领域，公开了一种基于大核卷积和分层多尺度特征融合的遥感图像微小目标检测方法，用于解决传统的遥感微小目标检测方法在目标尺寸微小、特征稀少、信噪比低等情况下难以实现鲁棒性检测难题。模型包括基于大核卷积、梯度流和分层多尺度融合结构的特征提取网络和基于部分卷积模块的检测头；本发明专利技术利用大核卷积、梯度流和分层多尺度融合策略设计特征提取网络，增强网络对目标的表征能力，在提升精度的同时，不降低模型推理速度；同时设计基于部分卷积设计轻量化检测头模块，减少模型处理高维特征时的资源消耗，并增强对细微特征的捕捉能力；本发明专利技术可以显著提高遥感图像微小目标检测的精度，降低模型参数量并提升了推理速度。

【技术实现步骤摘要】

本专利技术属于图像处理领域，具体涉及一种基于大核卷积和分层多尺度特征融合的遥感图像微小目标检测方法。

技术介绍

1、近年来，随着地球观测技术的快速发展，获取大量数据变得愈加容易，极大地推动了光学遥感图像小目标检测的发展。光学遥感图像小目标检测通过精确定位和识别图中目标，在军事侦察、海洋监测、智能监控、生态环境监测和灾后应急管理等多个实际应用中发挥着重要作用。然而，光学遥感成像的特性带来了诸多挑战。由于目标与探测器之间的距离较远，遥感图像中往往包含大量小于16×16像素的微小目标，有时甚至只有几个像素，显著增加了有效特征提取的难度。此外，光学遥感图像常受到复杂背景信息和不利气象条件的影响，例如光照变化和天气干扰，导致图像的信噪比低，并加剧了目标与背景的混淆。同时，遥感图像中可能存在多种尺度的目标并密集排列。这些因素使得光学遥感图像小目标检测成为一个更具挑战性的任务。

2、随着卷积神经网络的快速发展，许多计算机视觉领域的最新检测方法也被扩展至遥感领域。基于卷积神经网络的方法逐渐成为主流，并已推动遥感图像目标检测的进展。目前，测方法主要分为两类：两阶本文档来自技高网...

【技术保护点】

1.一种基于大核卷积和分层多尺度特征融合的遥感图像微小目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于大核卷积和分层多尺度特征融合的遥感图像微小目标检测方法，其特征在于，在步骤(S1)中，对AI-TODv2遥感数据集进行数据预处理，包括以下步骤：

3.根据权利要求1所述的一种基于大核卷积和分层多尺度特征融合的遥感图像微小目标检测方法，其特征在于，在步骤(S2)中，根据5x5大核卷积、重参数化和残差连接技术设计RepLKHGStem模块以代替原始YOLOv8的Stem模块，包括以下步骤：

4.根据权利要求1所述的一种基于大核卷积...

【技术特征摘要】

1.一种基于大核卷积和分层多尺度特征融合的遥感图像微小目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于大核卷积和分层多尺度特征融合的遥感图像微小目标检测方法，其特征在于，在步骤(s1)中，对ai-todv2遥感数据集进行数据预处理，包括以下步骤：

3.根据权利要求1所述的一种基于大核卷积和分层多尺度特征融合的遥感图像微小目标检测方法，其特征在于，在步骤(s2)中，根据5x5大核卷积、重参数化和残差连接技术设计replkhgstem模块以代替原始yolov8的stem模块，包括以下步骤：

4.根据权利要求1所述的一种基于大核卷积和分层多尺度特征融合的遥感图像微小目标检测方法，其特征在于，在步骤(s3)中，...

【专利技术属性】
技术研发人员：邸江磊，刘耿焕，豆嘉真，秦玉文，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：