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：北京师范大学

摘要：本发明公开一种基于无标注数据的弱监督遥感影像感兴趣区域提取方法，属于遥感影像处理领域。实施过程包括：1融合遥感影像的光谱残差和相位光谱，规定采样窗口并计算各窗口光谱残差；2计算各窗口及其周边范围直方图的卡方距离，得到光谱对比度；3根据遥感影像的边缘图计算各窗口边界的边缘密度；4结合窗口的光谱残差、光谱对比度、边缘密度与距离，生成伪标签显著图；5利用伪标签显著图训练基于特征交叉感知的感兴趣区域提取网络；6将遥感影像输入训练好的网络，得到最终显著图；7对最终显著图进行阈值分割提取感兴趣区域。本发明所提方法能够有效保持边界，抑制背景噪声，无需人工标注即可实现遥感影像感兴趣区域准确提取。

主权项：1.一种基于无标注数据的弱监督遥感影像感兴趣区域提取方法，本方法针对无标注的遥感影像数据集，首先，分别计算遥感影像中各窗口的光谱残差、光谱对比度和边缘密度，然后，根据窗口特征进行计算，得到伪标签显著图，最后，将伪标签显著图作为像素级伪标签，训练基于特征交叉感知的感兴趣区域提取网络，计算得到遥感影像的最终显著图，经过阈值分割后，得到感兴趣区域提取结果，其特征在于，包括以下步骤：步骤一：计算光谱残差，即，对于数据集中的遥感影像I，规定采样窗口w，首先，计算I的光谱残差RI和相位光谱PI，然后，对RI和PI进行融合，融合后，得到遥感影像I的光谱残差特征图，最后，计算窗口w的光谱残差；步骤二：计算光谱对比度，即，首先，将窗口w放大θSC倍，得到窗口w的周边范围Surrw,θSC，然后，分别计算窗口w及其周边范围Surrw,θSC的直方图，最后，计算两个直方图之间的卡方距离，得到窗口w的光谱对比度；步骤三：计算边缘密度，即，首先，对遥感影像I进行边缘检测得到边缘图IEDp，然后，依据IEDp计算窗口w边界的边缘密度；步骤四：计算伪标签显著图，即，根据窗口w的光谱残差、光谱对比度和边缘密度计算窗口的显著性值，并计算窗口中像素与窗口中心的距离，联合窗口显著性值与距离，计算图像中每个像素的显著性值，得到伪标签显著图；步骤五：训练一个基于特征交叉感知的感兴趣区域提取网络，即，首先，构建一个双支路遥感影像感兴趣区域提取网络，并且在两个支路中插入协同通道注意力模块，然后，将遥感影像数据集随机平均分为两个子数据集，将步骤四生成的伪标签显著图作为像素级伪标签，最后，将两个子数据集分别输入两个支路，对感兴趣区域提取网络进行训练；步骤六：在基于特征交叉感知的感兴趣区域提取网络训练完成后，在测试阶段，将遥感影像输入到训练好的网络，得到遥感影像的最终显著图；步骤七：利用最大类间方差法，计算一组遥感影像最终显著图的分割阈值，利用该阈值将遥感影像的最终显著图分割为一幅二值图像模板，用“1”代表居民区，用“0”代表非居民区，最后，将二值图像模板与遥感影像相乘，得到最终的遥感影像感兴趣区域提取结果。

全文数据：

权利要求：

百度查询： 北京师范大学 一种基于无标注数据的弱监督遥感影像感兴趣区域提取方法