【技术实现步骤摘要】
一种基于深度学习的卫星图像低相干区域识别方法及装置
本专利技术属于卫星图像处理领域,尤其涉及一种基于深度学习的卫星图像低相干区域识别方法及装置。
技术介绍
合成孔径雷达干涉测量(InSAR)是利用相位信息提取地面高程的空间对地观测技术,具有全天时、全天候、高精度、大面积的特点,在海洋、自然灾害、极地、测绘、军事等方面得到广泛的应用,为国民经济的发展和国家的安全作出突出贡献。天绘-2卫星是我国自主研制的首颗基于编队体制的微波型、地形类测绘卫星,它利用InSAR技术可以高效的获取高精度DEM数据,但是由于InSAR技术的复杂性,仍然有许多问题没有得到本质性解决,比如InSAR单视复影像对(SLC)的回波信号失相干问题,造成一定区域的低相干数据即是其中之一。长期以来,低相干区域的识别与漏洞填补需要人工去进行判断与手动编辑,在天绘-2卫星每天最大接收数据达1300景的需求前提下,靠人工进行低相干区域的标注与漏洞填补,生产效率低下,显然难以满足实际生产的需要,无法保障全球测绘的实际生产任务需求。近年来,随着深层神经网络在多种计算机视觉任务中取得的惊人进展,已有许多研究将其应用于光学遥感影像分析,并在路网提取、植被分类、遥感变化检测等方向取得了超越传统方法的成绩。然而,针对SAR影像本身成像特性造成的雷达阴影、叠掩、光滑平面(水面)等形成的低相干区域,加上因重复轨道以及编队飞行问题造成的时间-距离的失相干,各种复杂因素叠加在一起,给天绘-2卫星的低相干区域识别增加了困难,另外,深度学习与SAR影像识别技术进行结合在如下几 ...
【技术保护点】
1.一种基于深度学习的卫星图像低相干区域识别方法,其特征在于,包括如下步骤:/n步骤1、亚像元级配准;对SAR图像通过测度函数进行对准,得到匹配点集合;/n步骤2、粗差探测与剔除;剔除步骤1所得匹配点集合中存在的误匹配点;/n步骤3、辅图像重采样;根据步骤2中所得经剔除处理后的匹配点集,对主图像、辅图像之间的配准偏移量进行多项式拟合,建立多项式配准模型,并对辅图像进行重采样;/n步骤4、质量图生成;根据主图像、辅图像生成相关系数矩阵,即质量图;/n步骤5、提取质量图特征;使用多层堆叠的卷积神经网络以数据驱动的方式进行图像特征提取,得到图像特征图;/n步骤6、对象粗分割;以图像特征图为输入,将图像特征图分为若干个区域,每个区域对应一类,描述图像特征图中各像素属于该类的概率;/n步骤7、类别对象表示;在粗分割基础上通过计算得到各个像素的加权量化表示;/n步骤8、像素特征增强表示;将类别对象表示与像素特征进行融合获得增强的像素特征,该增强的像素特征被用于像素语义分割;/n步骤9、像素语义标签生成;在像素特征增强表示的基础上,通过浅层卷积网络将每个像素映射到一个语义类别,通过真值标签优化网络参 ...
【技术特征摘要】
1.一种基于深度学习的卫星图像低相干区域识别方法,其特征在于,包括如下步骤:
步骤1、亚像元级配准;对SAR图像通过测度函数进行对准,得到匹配点集合;
步骤2、粗差探测与剔除;剔除步骤1所得匹配点集合中存在的误匹配点;
步骤3、辅图像重采样;根据步骤2中所得经剔除处理后的匹配点集,对主图像、辅图像之间的配准偏移量进行多项式拟合,建立多项式配准模型,并对辅图像进行重采样;
步骤4、质量图生成;根据主图像、辅图像生成相关系数矩阵,即质量图;
步骤5、提取质量图特征;使用多层堆叠的卷积神经网络以数据驱动的方式进行图像特征提取,得到图像特征图;
步骤6、对象粗分割;以图像特征图为输入,将图像特征图分为若干个区域,每个区域对应一类,描述图像特征图中各像素属于该类的概率;
步骤7、类别对象表示;在粗分割基础上通过计算得到各个像素的加权量化表示;
步骤8、像素特征增强表示;将类别对象表示与像素特征进行融合获得增强的像素特征,该增强的像素特征被用于像素语义分割;
步骤9、像素语义标签生成;在像素特征增强表示的基础上,通过浅层卷积网络将每个像素映射到一个语义类别,通过真值标签优化网络参数,得到最终的低相干区域识别结果。
2.根据权利要求1所述基于深度学习的卫星图像低相干区域识别方法,其特征在于:所述亚像元级配准中对SAR图像通过测度函数进行对准或者直接对测度函数的结果进行插值处理,得到匹配点集合。
3.根据权利要求1或2所述基于深度学习的卫星图像低相干区域识别方法,其特征在于,所述对测度函数的结果进行插值处理过程为:以参考点为中心在主图像上开辟M×M的目标窗口,辅图像上对应位置开辟N×N的搜索窗口,其中N>M,目标窗口在搜索窗口中滑动,计算所有的配准测度函数值,然后用双三次样条插值法以0.1个像元间隔插值测度函数获取参考点的精确偏移量以及配准位置。
4.根据权利要求3所述基于深度学习的卫星图像低相干区域识别方法,其特征在于:所述粗差探测与剔除中采用均值方差法,具体包括:
步骤21、计算某一列有效参考点方位向和距离向偏移量的均值和方差;
步骤22、逐点计算每一个参考点和均值的偏移量,如果大于方差的β倍,则将该点剔除;
步骤23、重复执行步骤21和步骤22,直至计算完成。
5.根据权利要求4所述基于深度学习的卫星图像低相干区域识别方法,其特...
【专利技术属性】
技术研发人员:杨庆庆,薛博维,
申请(专利权)人:中科星图空间技术有限公司,
类型:发明
国别省市:陕西;61
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。