图像处理系统、方法、电子设备及计算机存储介质技术方案

本申请公开了一种图像处理系统、方法、电子设备及计算机存储介质，该方法包括：通过特征嵌入网络接收支持目标图像和查询目标图像，以对支持目标图像和查询目标图像进行特征提取，以获得输出特征；基于输出特征，获取支持目标图像和查询目标图像在各自图像不同位置的不同权重的特征表示；通过输出特征和不同权重的特征表示获得度量分类网络的初始特征；基于度量分类网络的初始特征获取支持目标图像和查询目标图像的相似度，并对查询目标图像进行归类。本申请设计了WAAPNet模型，引入了WAA模块，可以在抑制SAR图像散斑噪声的同时提取更具细节且高效的特征，使得网络对SAR图像的复杂特征提取更充分有效；可以降低模型的算法复杂度，提升网络运行速率。

【技术实现步骤摘要】

本专利技术涉及计算机，具体涉及一种图像处理系统、方法、电子设备及计算机存储介质。

技术介绍

1、目前，sar图像复杂的成像机制决定了在大多数sar应用场景中样本标注成本过高导致难以获得大量可训练样本。因此，基于小样本学习的sar图像目标识别与分类任务得到了迅速的发展。其中，基于度量学习的方法通过给定的距离函数度量两个样本或多个样本特征之间的距离，并根据其大小来进行分类，是解决小样本图像分类最常用且有效的方法之一。然而，由于mstar数据集和opensarship数据集中sar图像目标非常相似(mstar数据集均为坦克、炮车等军事车辆，opensarship数据集均为船舰)，且图像背景充斥散斑噪声，sar图像通常会出现类间差距较小的问题，使得基于度量学习的网络模型在提取图像特征时低有效性，导致模型在小样本图像分类任务中识别准确率不佳。

技术实现思路

1、鉴于现有技术中的上述缺陷或不足，本申请提供一种图像处理系统、方法、电子设备及计算机存储介质，以解决mstar数据集和opensarship数据集中sar图像目标本文档来自技高网...

【技术保护点】

1.一种图像处理方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，

3.根据权利要求2所述的方法，其特征在于，

4.根据权利要求3所述的方法，其特征在于，

5.根据权利要求4述的方法，其特征在于，

6.根据权利要求5所述的方法，其特征在于，

7.一种图像处理系统，其特征在于，包括：

8.根据权利要求7所述的图像处理系统，其特征在于，

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现...

【技术特征摘要】

1.一种图像处理方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的方法，其特征在于，

3.根据权利要求2所述的方法，其特征在于，

4.根据权利要求3所述的方法，其特征在于，

5.根据权利要求4述的方法，其特征在于，

6.根据权利要求5所述的方法，其特征在于，

7.一种图像处理系统，其特征在于，包括...

【专利技术属性】
技术研发人员：魏倩茹，刘燕芳，郭佳，罗盘政，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：