【技术实现步骤摘要】
本专利技术涉及遥感图像处理,特别涉及一种局部超分辨率增强的遥感可见光图像目标检测方法及系统。
技术介绍
1、近年来,随着深度学习的快速发展,目标检测取得了显著进展。然而,它们在遥感可见光图像上的准确性和效率尚达不到令人满意的水平。主要影像因素可概括如下:(1)、遥感可见光图像通常较大,需要将这些图像的大小调整为较小的大小,或者将其分割成小切片进行检测。(2)、小物体构成了图像中的重要组成部分,而目标检测模型很难识别分辨率和视觉特征有限的小物体。(3)、图像中的物体分布不均匀,密集区域中的物体值得更多关注,而背景应该被忽略。现有的方法主要关注如何对图像进行小切片的切分,将切分后的小切片做为目标检测模型的输入。由于切片做为独立图像,相比于原始图像,小目标的检测相对提升,但只可以提高小目标的相对分辨率,无法提高小目标的真实分辨率。
技术实现思路
1、为此,本专利技术提供一种局部超分辨率增强的遥感可见光图像目标检测方法及系统,解决现有遥感可见光图像中小目标检测不理想的情形,通过对原始图像中小目标切
...【技术保护点】
1.一种局部超分辨率增强的遥感可见光图像目标检测方法,其特征在于,包含:
2.根据权利要求1所述的局部超分辨率增强的遥感可见光图像目标检测方法,其特征在于,所述目标检测模型采用CenterNet网络结构,并使用左上和右下两个点来代表预测框。
3.根据权利要求1所述的局部超分辨率增强的遥感可见光图像目标检测方法,其特征在于,小目标密度指标表示为:其中,n代表区域内目标个数,avg_size为预测框面积平均值。
4.根据权利要求1所述的局部超分辨率增强的遥感可见光图像目标检测方法,其特征在于,利用小波变换对切片进行超分辨率增强处理,包含
5....
【技术特征摘要】
1.一种局部超分辨率增强的遥感可见光图像目标检测方法,其特征在于,包含:
2.根据权利要求1所述的局部超分辨率增强的遥感可见光图像目标检测方法,其特征在于,所述目标检测模型采用centernet网络结构,并使用左上和右下两个点来代表预测框。
3.根据权利要求1所述的局部超分辨率增强的遥感可见光图像目标检测方法,其特征在于,小目标密度指标表示为:其中,n代表区域内目标个数,avg_size为预测框面积平均值。
4.根据权利要求1所述的局部超分辨率增强的遥感可见光图像目标检测方法,其特征在于,利用小波变换对切片进行超分辨率增强处理,包含:
5.根据权利要求4所述的局部超分辨率增强的遥感可见光图像目标检测方法,其特征在于,利用预训练的dwsr模型将低分辨率图像小波分量...
【专利技术属性】
技术研发人员:徐伟,李昊洋,蔡佳睿,王曦,
申请(专利权)人:北京鹰飒科技有限公司,
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。