一种光学遥感图像显著目标检测方法技术

本发明专利技术公开了一种光学遥感图像显著目标检测方法，提取待检测光学遥感图像不同尺度的特征，然后通过边缘刻画和主体刻画，获取不同尺度边缘特征和主体特征，再经过主体解码和边缘解码操作，得到融合后的主体特征和边缘特征，并通过交互编码器得到不同尺度的交互特征，在此进行主体解码和边缘解码操作，融合后的特征进行连接操作后，进行卷积和上采样，获得最终的显著目标检测结果。本发明专利技术利用标签解耦对光学遥感图像进行解耦得到主体标签和边缘标签，分别提取加强主体特征和边缘特征，对结果进行监督。并通过进行迭代交互信息，获得更准确的显著目标检测结果，在削弱杂乱背景影响的同时，细化了图像的边缘，取得了较好的检测效果。测效果。测效果。

【技术实现步骤摘要】
一种光学遥感图像显著目标检测方法


[0001]本申请属于图像处理
，具体涉及一种光学遥感图像显著目标检测方法。

技术介绍

[0002]显著目标检测就是根据空间域、频域等显著性特征，快速有效地提取场景中的显著目标区域。在计算机视觉中显著性目标检测通常是先检测最显著的对象，然后分割该对象的准确区域。近年来，显著目标检测已被广泛应用于图像视频的分割，图像重定位，图像前景注释，缩略图创建和图像质量评估等等。在计算机视觉领域，自然图像的显著目标检测方面取得了很大的进展；相比之下，光学遥感图像中的显著目标检测仍面临着巨大的挑战。由于光学遥感图像的尺度、照明和成像方向与自然图像之间存在显著差异，所以很难将自然图像的显著目标检测的直接迁移应用到光学遥感图像的显著目标检测中。因此，如何有效地提高背景杂乱的大量光学遥感数据的场景分析和快速目标检测的效率和准确性，对光学遥感图像的进一步探索至关重要。
[0003]与计算机视觉的其他任务相比，光学遥感图像显著目标检测作为一个新型研究任务发展历史相对短暂。近年来，许多技术被引入光学遥感图像显著目标检测，如多尺度融合、边缘引导、补充损失等。例如LVNet，在一个嵌套结构中融合多分辨率输入，以感知不同大小的对象，但是模型对图像的边缘细化的效果欠佳；PDFNet集成了来自五个个分支的五尺度特征进行综合检测，但是难以抑制杂乱的背景对检测结果的影响；EMFINet，采用三种不同分辨率的光学遥感图像作为输入，并使用边缘监督来生成具有边缘感知约束的特征，引入一种混合损失来推断具有形状边界的显著对象。虽然EMFINet模型检测效果很好，但是运算复杂度较高。这些基于CNN的光学遥感图像显著目标检测方法提出了有效的解决方案，但是仍然存在可以改进的地方。

技术实现思路

[0004]本申请的目的是提供一种光学遥感图像显著目标检测方法，通过将显著性标签分别分解为主体图和边缘图来监督模型，同时利用局部内容对特征进行强化并进行特征交互，充分利用分支之间的互补信息。该显著目标检测方法可以有效的区分前景和背景，不仅克服杂乱背景影响的同时，而且细化了图像的边缘。
[0005]为了实现上述目的，本申请技术方案如下：
[0006]一种光学遥感图像显著目标检测方法，包括：
[0007]将待检测光学遥感图像输入到特征提取模块提取不同尺度的特征；
[0008]将不同尺度的特征分别输入到各个尺度对应的边缘刻画模块和主体刻画模块，获取对应的不同尺度边缘特征和不同尺度主体特征；
[0009]将不同尺度的主体特征和边缘特征分别输入到主体解码器和边缘解码器进行解码操作，得到第一次融合后的主体特征和边缘特征；
[0010]将第一次融合后的主体特征和边缘特征进行连接操作，得到第一主体边缘特征，
并将第一主体边缘特征输入到交互编码器，得到不同尺度的交互特征；
[0011]将不同尺度的交互特征输入到主体解码器和边缘解码器，主体解码器和边缘解码器再次解码操作输出第二次融合后的主体特征和边缘特征，并将第二次融合后的主体特征和边缘特征进行连接操作，得到第二主体边缘特征；
[0012]对第二主体边缘特征进行卷积和上采样，得到最终的主体边缘图，作为最终的显著目标检测结果。
[0013]进一步的，所述将不同尺度的特征分别输入到各个尺度对应的边缘刻画模块和主体刻画模块，获取对应的不同尺度边缘特征和不同尺度主体特征，其中边缘特征获取过程如下：
[0014]分别将不同尺度的特征通过一层1
×
1卷积和一层3
×
3卷积，将输入的不同尺度的特征压缩为具有相同通道数并保持原有空间尺度的细化后的特征；
[0015]对细化后的特征进行通道注意处理，以减少特征中的冗余信息，得到净化后的特征；
[0016]对净化后的特征进行空间注意处理，得到边缘特征图；
[0017]将净化后的特征和边缘特征图进行元素乘法，然后通过两层3
×
3卷积，得到不同尺度边缘特征；
[0018]其中主体特征获取过程如下：
[0019]分别将不同尺度的特征通过一层1
×
1卷积和一层3
×
3卷积，将输入的不同尺度的特征压缩为具有相同通道数并保持原有空间尺度的细化后的特征；
[0020]对细化后的特征进行通道注意处理，以减少特征中的冗余信息，得到净化后的特征；
[0021]对净化后的特征进行空间注意处理，得到前景特征图；
[0022]将净化后的特征和前景特征图进行元素乘法，然后通过两层3
×
3卷积，得到不同尺度主体特征。
[0023]进一步的，所述将不同尺度的主体特征和边缘特征分别输入到主体解码器和边缘解码器进行解码操作，得到第一次融合后的主体特征和边缘特征，其中主体解码器通过上采样将前后两个尺度的输入特征转化为同一尺度，然后进行相加操作，并经过一层卷积细化特征；边缘解码器通过上采样将前后两个尺度的输入特征转化为同一尺度，然后进行相加操作，并经过一层卷积细化特征。
[0024]进一步的，所述将第一主体边缘特征输入到交互编码器，得到不同尺度的交互特征，其中交互编码器包括四层，每一层交互编码器都是一层3
×
3卷积，将第一主体边缘特征输入交互编码器依次通过每一层3
×
3卷积，得到不同尺度的交互特征。
[0025]进一步的，所述将不同尺度的交互特征输入到主体解码器和边缘解码器，主体解码器和边缘解码器再次解码操作输出第二次融合后的主体特征和边缘特征，其中主体解码器通过上采样将前后两个尺度的输入特征转化为同一尺度，然后与输入的交互特征进行相加操作，并经过一层卷积细化特征；边缘解码器通过上采样将前后两个尺度的输入特征转化为同一尺度，然后与输入的交互特征进行相加操作，并经过一层卷积细化特征
[0026]进一步的，所述光学遥感图像显著目标检测方法，还包括：
[0027]在训练时，利用距离变换的方法对训练样本的原始标签进行解耦，得到主体标签
和边缘标签；
[0028]然后在主体解码器和边缘解码器进行解码操作，得到第一次融合后的主体特征和边缘特征后，将主体特征和边缘特征分别进行一次3
×
3卷积，然后进行上采样操作，分别得主体图和边缘图；
[0029]根据得到的主体图和特征图，以及主体标签和边缘标签，计算主体图损失和边缘图损失；
[0030]根据最终的主体边缘图和原始标签，计算出主体边缘损失；
[0031]计算包括主体图损失、边缘图损失和主体边缘损失的联合损失，进行反向传播，更新网络参数。
[0032]进一步的，所述利用距离变换的方法对训练样本的原始标签进行解耦，得到主体标签和边缘标签，包括：
[0033]获取训练样本的原始标签，其标签是二值图像I；
[0034]将二值图像I分为两组，分别为前景I
fg
和背景I
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显著目标检测方法，其特征在于，所述光学遥感图像显著目标检测方法，包括：将待检测光学遥感图像输入到特征提取模块提取不同尺度的特征；将不同尺度的特征分别输入到各个尺度对应的边缘刻画模块和主体刻画模块，获取对应的不同尺度边缘特征和不同尺度主体特征；将不同尺度的主体特征和边缘特征分别输入到主体解码器和边缘解码器进行解码操作，得到第一次融合后的主体特征和边缘特征；将第一次融合后的主体特征和边缘特征进行连接操作，得到第一主体边缘特征，并将第一主体边缘特征输入到交互编码器，得到不同尺度的交互特征；将不同尺度的交互特征输入到主体解码器和边缘解码器，主体解码器和边缘解码器再次解码操作输出第二次融合后的主体特征和边缘特征，并将第二次融合后的主体特征和边缘特征进行连接操作，得到第二主体边缘特征；对第二主体边缘特征进行卷积和上采样，得到最终的主体边缘图，作为最终的显著目标检测结果。2.根据权利要求1所述的光学遥感图像显著目标检测方法，其特征在于，所述将不同尺度的特征分别输入到各个尺度对应的边缘刻画模块和主体刻画模块，获取对应的不同尺度边缘特征和不同尺度主体特征，其中边缘特征获取过程如下：分别将不同尺度的特征通过一层1
×
1卷积和一层3
×
3卷积，将输入的不同尺度的特征压缩为具有相同通道数并保持原有空间尺度的细化后的特征；对细化后的特征进行通道注意处理，以减少特征中的冗余信息，得到净化后的特征；对净化后的特征进行空间注意处理，得到边缘特征图；将净化后的特征和边缘特征图进行元素乘法，然后通过两层3
×
3卷积，得到不同尺度边缘特征；其中主体特征获取过程如下：分别将不同尺度的特征通过一层1
×
1卷积和一层3
×
3卷积，将输入的不同尺度的特征压缩为具有相同通道数并保持原有空间尺度的细化后的特征；对细化后的特征进行通道注意处理，以减少特征中的冗余信息，得到净化后的特征；对净化后的特征进行空间注意处理，得到前景特征图；将净化后的特征和前景特征图进行元素乘法，然后通过两层3
×
3卷积，得到不同尺度主体特征。3.根据权利要求1所述的光学遥感图像显著目标检测方法，其特征在于，所述将不同尺度的主体特征和边缘特征分别输入到主体解码器和边缘解码器进行解码操作，得到第一次融合后的主体特征和边缘特征，其中主体解码器通过上采样将前后两个尺度的输入特征转化为同一尺度，然后进行相加操作，并经过一层卷积细化特征；边缘解码器通过上采样将前后两个尺度的输入特征转化为同一尺度，然后进行相加操作，并经过一层卷积细化特征。4.根据权利要求1所述的光学遥感图像显著目标检测方法，其特征在于，所述将第一主体边缘特征输入到交互编码器，得到不同尺度的...

【专利技术属性】
技术研发人员：郑建炜，全玥芊，叶飞，郑航，严亦东，邵安昊，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：