【技术实现步骤摘要】
本专利技术涉及高频细节增强遥感影像特征提取的，尤其涉及一种基于maskr-cnn的高频细节增强遥感影像特征提取改进方法。
技术介绍
1、卫星影像具有独特的高频细节和多尺度特性，需要改进特征提取器来更好地捕捉这些信息，传统的mask r-cnn算法在处理这些图像时会遇到识别精度和性能瓶颈，因此，需要对现有算法进行优化和改进，以提高其在卫星影像养殖场识别任务中的准确性和效率。
2、许多现有模型如基础的resnet可能在处理复杂的地物和细节时能力有限，无法有效捕捉高频细节和小尺度特征；基础fpn在处理多尺度特征时可能没有充分融合各层的特征，导致对不同尺度地物的识别效果不佳。
3、申请号为202310873327.9的专利技术公开了一种基于深度学习方法的遥感影像滑坡识别方法，该方法包括：采集带有滑坡区域的卫星遥感影像数据，并获取公开的遥感影像滑坡数据集；对采集得到的带有滑坡区域的卫星遥感影像数据进行预处理并裁剪后分类，得到分类重组后的数据集；之后再进行数据增强及滑坡样本标注；然后构建基于mask r-cnn的改进型滑坡识...
【技术保护点】
1.一种基于Mask R-CNN的高频细节增强遥感影像特征提取改进方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于Mask R-CNN的高频细节增强遥感影像特征提取改进方法，其特征在于，所述预处理包括将原始高分辨率卫星影像裁剪成较小的子图影像，对子图影像的图像像素值进行标准化处理，对不同光照条件下的子图影像进行颜色调整和对比度增强，应用滤波器的双边滤波去除子图影像中的噪声。
3.根据权利要求2所述的基于Mask R-CNN的高频细节增强遥感影像特征提取改进方法，其特征在于，所述构建改进后的高频次多尺度遥感影像处理模型的方法为：首先...
【技术特征摘要】
1.一种基于mask r-cnn的高频细节增强遥感影像特征提取改进方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于mask r-cnn的高频细节增强遥感影像特征提取改进方法，其特征在于，所述预处理包括将原始高分辨率卫星影像裁剪成较小的子图影像，对子图影像的图像像素值进行标准化处理，对不同光照条件下的子图影像进行颜色调整和对比度增强，应用滤波器的双边滤波去除子图影像中的噪声。
3.根据权利要求2所述的基于mask r-cnn的高频细节增强遥感影像特征提取改进方法，其特征在于，所述构建改进后的高频次多尺度遥感影像处理模型的方法为：首先，将高频细节增强模块hfdem加入到残差网络resnet中；其次，在特征金字塔网络fpn中加入多尺度特征融合模块msffm；接着，在多尺度特征融合模块msffm后引入上下文信息提取模块；最后，定义损失函数和优化器，在定义损失函数和优化器时，采用分类损失和回归损失两种损失函数，定义交叉熵损失函数用于分类任务，定义平滑l1损失函数用于回归任务，选定优化器并进行学习率调度。
4.根据权利要求2或3所述的基于mask r-cnn的高频细节增强遥感影像特征提取改进方法，其特征在于，所述增强的方法为：随机旋转子图影像0°～360°，随机平移子图影像，调整子图影像的亮度和对比度，在子图影像中添加高斯噪声，最后进行伪彩色处理，改变子图影像的色调、饱和度和明度。
5.根据权利要求4所述的基于mask r-cnn的高频细节增强遥感影像特征提取改进方法，其特征在于，所述高频细节增强模块hfdem处理残差网络resnet输出的特征图的具体步骤如下：
6.根据权利要求5所述的基于mask r-cnn的高频细节增强遥感影像特征提取改进方法，其特征在于，所述增加多尺度特征融合模块msffm后的特征金字塔网络fpn获得输出特征图的过程为：通过1×1卷积，将各尺度特征图的通道数调整为一致，调整通道后的特征图为p3′,p4′,p5′,p6′，公式为：pi′＝conv1×1(pi),i＝3,4,5,6，将调整通道后的多尺度特征图在通道维度上进行拼接融合，得到融合后的特征图pfused＝concat(p3′,p4′,p5′,p6′)，使用3×3卷积对融合后的特征图pfused进行特征提取和降噪，得到最终输出融合特征图poutput＝conv3×3(pfused)。
7.根据权利要求6所述的基于mask r-cnn的高频细节增强遥感影像特征提取改进方法，其特征在于，所述上下文信息提取模块处理多尺度特征融合模块ms...
【专利技术属性】
技术研发人员：周峰，张震，闫磊，闫跃飞，贺倩倩，张亮，刘小锋，冯豆，胡瑞，陈美凯，韩明鹏，姚佳伦，朱业霞，杨兰，贺磊，李秋平，
申请(专利权)人：河南省种业发展中心，
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。