基于Shearlet先验知识的细粒度表征遥感影像解译方法及系统技术方案

本发明专利技术公开了一种基于Shearlet先验知识的细粒度表征遥感影像解译方法及系统，采用Shearlet变换对预处理后的遥感影像数据进行高频子带信息抽取；使用拉普拉斯金字塔和shearlet滤波器分别获得高频组件和对其按方向拆分后的多向高频子带；通过空间注意力机制自适应融合相同层次的子带，生成细节增强的特征图；将通过Shearlet变换提取的高频组件先验与深度残差网络获取的深层残差块进行多尺度多层次加权融合；使用训练好的细节增强骨干和多个任务的不同探测头，输出精确的遥感影像分析结果；通过结合Shearlet变换和先进的深度学习架构，显著提高了遥感影像解译的精确度和效率，同时保持了良好的模型泛化能力和实用性，预计将推动遥感影像处理向更智能、自动化的方向发展。

【技术实现步骤摘要】

所属的技术人员能够理解，本专利技术的各个方面可以实现为系统、方法或程序产品。因此，本专利技术的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“平台”。本专利技术再一个实施例中，提供一种基于shearlet先验知识的细粒度表征遥感影像解译系统，该系统能够用于实现上述基于shearlet先验知识的细粒度表征遥感影像解译方法，具体的，该基于shearlet先验知识的细粒度表征遥感影像解译系统包括预处理模块、shearlet变换模块、空间注意力模块、细节增强骨干网络模块以及训练与输出模块。其中，预处理模块，对原始遥感影像数据进行预处理操作；shearlet变换模块，采用shearlet变换对预处理后的遥感影像数据进行多层次、多方向的高频子带信息抽取；使用拉普拉斯金字塔和shearlet滤波器分别获得高频组件和对其按方向拆分后的多向高频子带；空间注意力模块，构建基于shearlet变换的高频组件先验，通过空间注意力机制自适应融合相同层次的子带，生成细节增强的特征图；细节增强本文档来自技高网...

【技术保护点】

1.一种基于Shearlet先验知识的细粒度表征遥感影像解译方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于Shearlet先验知识的细粒度表征遥感影像解译方法，其特征在于，步骤S1中，预处理操作包括噪声去除、对比度调整和图像裁剪。

3.根据权利要求1所述的基于Shearlet先验知识的细粒度表征遥感影像解译方法，其特征在于，步骤S2具体为：

4.根据权利要求3所述的基于Shearlet先验知识的细粒度表征遥感影像解译方法，其特征在于，步骤S202中，Shearlet变换细节如下：

5.根据权利要求3所述的基于Shearlet...

【技术特征摘要】

1.一种基于shearlet先验知识的细粒度表征遥感影像解译方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于shearlet先验知识的细粒度表征遥感影像解译方法，其特征在于，步骤s1中，预处理操作包括噪声去除、对比度调整和图像裁剪。

3.根据权利要求1所述的基于shearlet先验知识的细粒度表征遥感影像解译方法，其特征在于，步骤s2具体为：

4.根据权利要求3所述的基于shearlet先验知识的细粒度表征遥感影像解译方法，其特征在于，步骤s202中，shearlet变换细节如下：

5.根据权利要求3所述的基于shearlet先验知识的细粒度表征遥感影像解译方法，其特征在于，步骤s201至步骤s2...

【专利技术属性】
技术研发人员：李玲玲，刘琼，焦李成，刘芳，刘旭，陈璞花，李阳阳，张梦璇，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：