买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国科学院长春光学精密机械与物理研究所

摘要：本发明涉及一种面向中低分辨率光学遥感图像的小目标检测方法，包括：获取遥感图像数据训练样本和测试样本；采用DEM退化模型对训练样本进行随机退化；构建中低分辨率遥感图像目标检测框架；构建损失函数进行联合迭代训练；对中低分辨率遥感图像测试样本进行检测和评估。本发明通过构建的中低分辨率遥感图像目标检测框架，设计了一个额外的退化重建分支，以有效增强目标检测网络应对不同分辨率退化图像的能力；此外，在目标检测分支中引入了一个混合并行注意力特征融合模块，以实现对目标特征的集中关注，抑制冗余的复杂背景；本发明在不产生额外的计算量的同时，提升了中低分辨率光学遥感图像小目标检测的准确率。

主权项：1.一种面向中低分辨率光学遥感图像的小目标检测方法，其特征在于，包括以下步骤：步骤1：获取遥感图像数据样本；步骤1.1：从数据库中获取高分辨率遥感图像及对应的目标检测标注数据用作训练样本；步骤1.2：从数据库中获取中低分辨率遥感图像用作测试样本；步骤2：采用DEM退化模型对步骤1.1获取的训练样本进行随机退化，得到更接近于真实世界的退化图像；步骤3：构建中低分辨率遥感图像目标检测框架；所述中低分辨率遥感图像目标检测框架的构建包含SISR退化重建分支的构建和目标检测分支的构建两部分组成，其构建过程如下；步骤3.1：构建SISR退化重建分支；所述SISR退化重建分支由主干网络、HPA-FPN特征融合模块和SSR特征重建模块组成；将步骤2得到的退化图像依次经过主干网络、HPA-FPN特征融合模块后得到融合后的特征图像，再将融合后的特征图像经过SSR特征重建模块，完成SISR退化重建分支的构建；步骤3.2：构建目标检测分支；所述目标检测分支由主干网络、HPA-FPN特征融合模块和检测器组成；将步骤2得到的退化图像依次经过主干网络、HPA-FPN特征融合模块后得到融合后的特征图像，再将融合后的特征图像经过检测器，完成目标检测分支的构建；步骤4：构建损失函数，并对步骤3.1和步骤3.2分别构建的SISR退化重建分支和目标检测分支进行联合迭代训练，得到训练后的模型；步骤5：对中低分辨率遥感图像进行检测和评估；使用步骤4得到的训练后的模型对步骤1.2获取的中低分辨率遥感图像测试样本进行检测和评估；所述检测和评估的过程仅有目标检测分支参与，而SISR退化重建分支仅用于步骤4的迭代训练过程。

全文数据：

权利要求：

百度查询： 中国科学院长春光学精密机械与物理研究所 一种面向中低分辨率光学遥感图像的小目标检测方法