一种光学遥感图像检测方法、装置以及存储介质制造方法及图纸

本发明专利技术提供一种光学遥感图像检测方法、装置以及存储介质，属于图像检测领域，方法包括：对多个光学遥感图像进行划分，得到多个光学遥感训练图像和多个光学遥感测试图像；分别对各个光学遥感训练图像进行标注，得到光学遥感标注图像；构建训练模型，根据多个光学遥感标注图像对训练模型进行模型训练，得到待测试图像检测模型；根据多个光学遥感测试图像对待测试图像检测模型进行测试，得到图像检测模型；通过图像检测模型对待测光学遥感图像进行检测，得到检测结果。本发明专利技术实现了对目标区域和背景区域的区分，能够更加精确地预测显著图，提高了光学遥感图像检测的准确率，降低了大量的劳动力和时间。动力和时间。动力和时间。

【技术实现步骤摘要】
一种光学遥感图像检测方法、装置以及存储介质


[0001]本专利技术主要涉及图像检测
，具体涉及一种光学遥感图像检测方法、装置以及存储介质。

技术介绍

[0002]传统的显著性目标检测模型通常依赖于某些低级特征，如颜色对比度和背景先验。随着深度学习技术在计算机视觉领域的巨大成功，基于全卷积网络的模型成为显著性目标检测架构的主流。近几年来，基于自然场景下的显著性目标检测的研究取得了巨大的进展，但是对光学遥感图像的研究却很少。通常，光学遥感图像的前景区域与周围环境相似，且拥有不同尺度的目标。
[0003]目前，一些显著性目标检测方法通常是利用注意机制来捕捉语义上下文关系，或使用金字塔结构来解决显著目标的尺度变化问题。但是，这些方法在针对不同尺度目标的同时未能引入目标边界界定前景区域，导致对前景区域的目标检测不准确，这在复杂场景中区分显著性目标存在一定困难。此外，现有的基于深度学习的光学遥感图像的显著性目标检测算法侧重于采用逐像素的精确标注，这需要大量的劳动力和时间。

技术实现思路

[0004]本专利技术所要解决的技术问题是针对现有技术的不足，提供一种光学遥感图像检测方法、装置以及存储介质。
[0005]本专利技术解决上述技术问题的技术方案如下：一种光学遥感图像检测方法，包括如下步骤：
[0006]导入多个光学遥感图像，对多个所述光学遥感图像进行划分，得到光学遥感图像训练集和光学遥感图像测试集，所述光学遥感图像训练集包括多个光学遥感训练图像，所述光学遥感图像测试集包括多个光学遥感测试图像；
[0007]分别对各个所述光学遥感训练图像进行标注，得到与各个所述光学遥感训练图像对应的光学遥感标注图像；
[0008]构建训练模型，根据多个所述光学遥感标注图像对所述训练模型进行模型训练，得到待测试图像检测模型；
[0009]根据多个所述光学遥感测试图像对所述待测试图像检测模型进行测试，得到图像检测模型；
[0010]导入待测光学遥感图像，通过所述图像检测模型对所述待测光学遥感图像进行检测，得到检测结果。
[0011]本专利技术解决上述技术问题的另一技术方案如下：一种光学遥感图像检测装置，包括：
[0012]图像划分模块，用于导入多个光学遥感图像，对多个所述光学遥感图像进行划分，得到光学遥感图像训练集和光学遥感图像测试集，所述光学遥感图像训练集包括多个光学
遥感训练图像，所述光学遥感图像测试集包括多个光学遥感测试图像；
[0013]图像标注模块，用于分别对各个所述光学遥感训练图像进行标注，得到与各个所述光学遥感训练图像对应的光学遥感标注图像；
[0014]模型训练模块，用于构建训练模型，根据多个所述光学遥感标注图像对所述训练模型进行模型训练，得到待测试图像检测模型；
[0015]模型测试模块，用于根据多个所述光学遥感测试图像对所述待测试图像检测模型进行测试，得到图像检测模型；
[0016]检测结果获得模块，用于导入待测光学遥感图像，通过所述图像检测模型对所述待测光学遥感图像进行检测，得到检测结果。
[0017]本专利技术解决上述技术问题的另一技术方案如下：一种光学遥感图像检测装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，当所述处理器执行所述计算机程序时，实现如上所述的光学遥感图像检测方法。
[0018]本专利技术解决上述技术问题的另一技术方案如下：一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的光学遥感图像检测方法。
[0019]本专利技术的有益效果是：通过对多个光学遥感图像的划分得到多个光学遥感训练图像和多个光学遥感测试图像，分别对各个光学遥感训练图像的标注得到光学遥感标注图像，通过多个光学遥感标注图像对训练模型的模型训练得到待测试图像检测模型，通过多个光学遥感测试图像对待测试图像检测模型的测试得到图像检测模型，通过图像检测模型对待测光学遥感图像的检测得到检测结果，实现了对目标区域和背景区域的区分，能够更加精确地预测显著图，提高了光学遥感图像检测的准确率，降低了大量的劳动力和时间。
附图说明
[0020]图1为本专利技术实施例提供的一种光学遥感图像检测方法的流程示意图；
[0021]图2为本专利技术实施例提供的一种光学遥感图像检测方法的模型分析的流程示意图；
[0022]图3为本专利技术实施例提供的一种光学遥感图像检测装置的模块框图。
具体实施方式
[0023]以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。
[0024]图1为本专利技术实施例提供的一种光学遥感图像检测方法的流程示意图。
[0025]如图1所示，一种光学遥感图像检测方法，包括如下步骤：
[0026]导入多个光学遥感图像，对多个所述光学遥感图像进行划分，得到光学遥感图像训练集和光学遥感图像测试集，所述光学遥感图像训练集包括多个光学遥感训练图像，所述光学遥感图像测试集包括多个光学遥感测试图像；
[0027]分别对各个所述光学遥感训练图像进行标注，得到与各个所述光学遥感训练图像对应的光学遥感标注图像；
[0028]构建训练模型，根据多个所述光学遥感标注图像对所述训练模型进行模型训练，
得到待测试图像检测模型；
[0029]根据多个所述光学遥感测试图像对所述待测试图像检测模型进行测试，得到图像检测模型；
[0030]导入待测光学遥感图像，通过所述图像检测模型对所述待测光学遥感图像进行检测，得到检测结果。
[0031]应理解地，多个所述光学遥感图像可以为EORSSD数据集中的数据，多个所述光学遥感训练图像可以为EORSSD训练集中的数据。
[0032]应理解地，将图像数据集(即多个所述光学遥感图像)划分为训练集(即所述光学遥感图像训练集)和测试集(即所述光学遥感图像测试集)，对训练集(即所述光学遥感图像训练集)中的图像(即所述光学遥感训练图像)采用涂鸦注释进行标注,将标注的图像(即所述光学遥感标注图像)作为涂鸦标签。
[0033]应理解地，采用涂鸦注释将原始图像I
rgb
(即所述光学遥感训练图像)中的前景区域和背景区域进行任意标注，将涂鸦注释中的前景，背景和未知像素对应记为:{1,2,0}；并定义训练数据集(即多个所述光学遥感标注图像)为:其中x
i
为输入图像，y
i
为相应的标注，N为训练数据集的大小。
[0034]应理解地，利用测试样本集(即多个所述光学遥感测试图像)对训练好的网络(即所述待测试图像检测模型)进行测试，对该网络(即所述待测试图像检测模型)进行评估。
[0035]应理解地，将训练好后的最优模型(即所述待测试图像检测模型)参数保存，以备后续测试，并进行测试，并对测试结果进行评估。
[0036]应理解地，本专利技术是在两个公开的数据集OR本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光学遥感图像检测方法，其特征在于，包括如下步骤：导入多个光学遥感图像，对多个所述光学遥感图像进行划分，得到光学遥感图像训练集和光学遥感图像测试集，所述光学遥感图像训练集包括多个光学遥感训练图像，所述光学遥感图像测试集包括多个光学遥感测试图像；分别对各个所述光学遥感训练图像进行标注，得到与各个所述光学遥感训练图像对应的光学遥感标注图像；构建训练模型，根据多个所述光学遥感标注图像对所述训练模型进行模型训练，得到待测试图像检测模型；根据多个所述光学遥感测试图像对所述待测试图像检测模型进行测试，得到图像检测模型；导入待测光学遥感图像，通过所述图像检测模型对所述待测光学遥感图像进行检测，得到检测结果。2.根据权利要求1所述的光学遥感图像检测方法，其特征在于，所述分别对各个所述光学遥感训练图像进行标注，得到与各个所述光学遥感训练图像对应的光学遥感标注图像的过程包括：利用Quick Selection工具分别对各个所述光学遥感训练图像进行标注，得到与各个所述光学遥感训练图像对应的光学遥感标注图像。3.根据权利要求1所述的光学遥感图像检测方法，其特征在于，所述构建训练模型，根据多个所述光学遥感标注图像对所述训练模型进行模型训练，得到待测试图像检测模型的过程包括：S1：构建训练模型，根据所述训练模型分别对各个所述光学遥感标注图像进行特征提取，得到与各个所述光学遥感标注图像对应的第一待处理特征图、与各个所述光学遥感标注图像对应的第二待处理特征图以及与各个所述光学遥感标注图像对应的第三待处理特征图；S2：分别对各个所述光学遥感标注图像以及与各个所述光学遥感标注图像对应的第三待处理特征图进行目标定位特征图的分析，得到与各个所述光学遥感标注图像对应的目标定位特征图；S3：分别对各个所述第一待处理特征图、与各个所述光学遥感标注图像对应的第二待处理特征图以及与各个所述光学遥感标注图像对应的第三待处理特征图进行边缘特征图的分析，得到与各个所述光学遥感标注图像对应的边缘特征图；S4：分别对各个所述目标定位特征图以及与各个所述光学遥感标注图像对应的边缘特征图进行预测分析，得到与各个所述光学遥感标注图像对应的显著图；S5：分别对所述光学遥感标注图像以及与各个所述光学遥感标注图像对应的显著图进行损失值的分析，得到待测试图像检测模型。4.根据权利要求3所述的光学遥感图像检测方法，其特征在于，所述训练模型包括第一特征块、第二特征块、第三特征块、第四特征块和第五特征块，所述步骤S1的过程包括：通过所述第一特征块分别对各个所述光学遥感标注图像进行第一次特征提取，得到与各个所述光学遥感标注图像对应的第一初始特征图；通过所述第二特征块分别对各个所述第一初始特征图进行第二次特征提取，得到与各
个所述光学遥感标注图像对应的第二初始特征图；通过所述第三特征块分别对各个所述第二初始特征图进行第三次特征提取，得到与各个所述光学遥感标注图像对应的第三初始特征图，并将所述第三初始特征图作为第一待处理特征图；通过所述第四特征块分别对各个所述第一待处理特征图进行第四次特征提取，得到与各个所述光学遥感标注图像对应的第二待处理特征图；通过所述第五特征块分别对各个所述第二待处理特征图进行第五次特征提取，得到与各个所述光学遥感标注图像对应的第三待处理特征图。5.根据权利要求3所述的光学遥感图像检测方法，其特征在于，所述步骤S2的过程包括：分别对各个所述光学遥感标注图像以及与各个所述光学遥感标注图像对应的第三待处理特征图进行逐像素相乘，得到与各个所述光学遥感标注图像对应的前景特征图；分别对各个所述前景特征图进行平均池化处理，得到与各个所述光学遥感标注图像对应的滤波器；分别对各个所述第三待处理特征图以及与各个所述光学遥感标注图像对应的滤波器进行深度卷积处理，得到与各个所述光学遥感标注图像对应的目标定位特征图。6.根据权利要求3所述的光学遥感图像检测方...

【专利技术属性】
技术研发人员：马雷，罗心怡，洪汉玉，陈冰川，赵凡，刘红，许启航，
申请(专利权)人：武汉工程大学，
类型：发明
国别省市：