[發(fā)明專利]一種基于深度學(xué)習(xí)的衛(wèi)星圖像低相干區(qū)域識(shí)別方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202110356666.0
• 申請(qǐng)日: 2021-04-01
• 公開(kāi)（公告）號(hào): CN113065467A
• 公開(kāi)（公告）日: 2021-07-02
• 發(fā)明（設(shè)計(jì)）人: 楊慶慶;薛博維
• 申請(qǐng)（專利權(quán)）人: 中科星圖空間技術(shù)有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/34;G06K9/36;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 西安億諾專利代理有限公司 61220
• 代理人: 李永剛

一種基于深度學(xué)習(xí)的衛(wèi)星圖像低相干區(qū)域識(shí)別方法及裝置，屬于衛(wèi)星圖像處理領(lǐng)域，其特征在于，通過(guò)基于對(duì)SAR圖像處理得到的質(zhì)量圖與語(yǔ)義分割結(jié)合成一個(gè)流程化學(xué)習(xí)框架，并引入深度卷積網(wǎng)絡(luò)進(jìn)行識(shí)別，相較于人工判讀和傳統(tǒng)機(jī)器學(xué)習(xí)算法，本發(fā)明所述的基于深度學(xué)習(xí)的低相干區(qū)識(shí)別方法大大減少了對(duì)人工特征工程和樣本數(shù)據(jù)的依賴，且基于卷積計(jì)算的高效性能夠快速處理大范圍區(qū)域；同時(shí)在引入全局注意力的基礎(chǔ)上，進(jìn)一步描述各像素位置與語(yǔ)義類別間的關(guān)系表示，緩解SAR影像固有的高噪聲區(qū)域的識(shí)別效果，并在不顯著增加計(jì)算量的前提下提升識(shí)別精度準(zhǔn)確提取低相干區(qū)域。

技術(shù)領(lǐng)域

本發(fā)明屬于衛(wèi)星圖像處理領(lǐng)域，尤其涉及一種基于深度學(xué)習(xí)的衛(wèi)星圖像低相干區(qū)域識(shí)別方法及裝置。

背景技術(shù)

合成孔徑雷達(dá)干涉測(cè)量(InSAR)是利用相位信息提取地面高程的空間對(duì)地觀測(cè)技術(shù)，具有全天時(shí)、全天候、高精度、大面積的特點(diǎn)，在海洋、自然災(zāi)害、極地、測(cè)繪、軍事等方面得到廣泛的應(yīng)用，為國(guó)民經(jīng)濟(jì)的發(fā)展和國(guó)家的安全作出突出貢獻(xiàn)。

天繪-2衛(wèi)星是我國(guó)自主研制的首顆基于編隊(duì)體制的微波型、地形類測(cè)繪衛(wèi)星，它利用InSAR技術(shù)可以高效的獲取高精度DEM數(shù)據(jù)，但是由于InSAR技術(shù)的復(fù)雜性，仍然有許多問(wèn)題沒(méi)有得到本質(zhì)性解決，比如InSAR單視復(fù)影像對(duì)(SLC)的回波信號(hào)失相干問(wèn)題，造成一定區(qū)域的低相干數(shù)據(jù)即是其中之一。長(zhǎng)期以來(lái)，低相干區(qū)域的識(shí)別與漏洞填補(bǔ)需要人工去進(jìn)行判斷與手動(dòng)編輯，在天繪-2衛(wèi)星每天最大接收數(shù)據(jù)達(dá)1300景的需求前提下，靠人工進(jìn)行低相干區(qū)域的標(biāo)注與漏洞填補(bǔ)，生產(chǎn)效率低下，顯然難以滿足實(shí)際生產(chǎn)的需要，無(wú)法保障全球測(cè)繪的實(shí)際生產(chǎn)任務(wù)需求。近年來(lái)，隨著深層神經(jīng)網(wǎng)絡(luò)在多種計(jì)算機(jī)視覺(jué)任務(wù)中取得的驚人進(jìn)展，已有許多研究將其應(yīng)用于光學(xué)遙感影像分析，并在路網(wǎng)提取、植被分類、遙感變化檢測(cè)等方向取得了超越傳統(tǒng)方法的成績(jī)。然而，針對(duì)SAR影像本身成像特性造成的雷達(dá)陰影、疊掩、光滑平面(水面)等形成的低相干區(qū)域，加上因重復(fù)軌道以及編隊(duì)飛行問(wèn)題造成的時(shí)間-距離的失相干，各種復(fù)雜因素疊加在一起，給天繪-2衛(wèi)星的低相干區(qū)域識(shí)別增加了困難，另外，深度學(xué)習(xí)與SAR影像識(shí)別技術(shù)進(jìn)行結(jié)合在如下幾個(gè)方面還面臨挑戰(zhàn)：1.SAR低相干區(qū)域的類內(nèi)差異性和類間相似性增加了提取的難度；2.不同季節(jié)、不同地區(qū)的SAR圖像差異顯著，模型預(yù)測(cè)能力在不同時(shí)相數(shù)據(jù)集間波動(dòng)很大；3.因天繪-2衛(wèi)星需保障全球測(cè)繪任務(wù)，數(shù)據(jù)是海量的，但可用于監(jiān)督訓(xùn)練的樣本十分有限。

發(fā)明內(nèi)容

本發(fā)明旨在解決上述問(wèn)題，提供一種基于深度學(xué)習(xí)的衛(wèi)星圖像低相干區(qū)域識(shí)別方法及裝置。

第一方面，本發(fā)明提供一種基于深度學(xué)習(xí)的衛(wèi)星圖像低相干區(qū)域識(shí)別方法，包括如下步驟：

步驟1、亞像元級(jí)配準(zhǔn)；對(duì)SAR圖像通過(guò)測(cè)度函數(shù)進(jìn)行對(duì)準(zhǔn)，得到匹配點(diǎn)集合；

步驟2、粗差探測(cè)與剔除；剔除步驟1所得匹配點(diǎn)集合中存在的誤匹配點(diǎn)；

步驟3、輔圖像重采樣；根據(jù)步驟2中所得經(jīng)剔除處理后的匹配點(diǎn)集，對(duì)主圖像、輔圖像之間的配準(zhǔn)偏移量進(jìn)行多項(xiàng)式擬合，建立多項(xiàng)式配準(zhǔn)模型，并對(duì)輔圖像進(jìn)行重采樣；

步驟4、質(zhì)量圖生成；根據(jù)主圖像、輔圖像生成相關(guān)系數(shù)矩陣，即質(zhì)量圖；

步驟5、提取質(zhì)量圖特征；使用多層堆疊的卷積神經(jīng)網(wǎng)絡(luò)以數(shù)據(jù)驅(qū)動(dòng)的方式進(jìn)行圖像特征提取，得到圖像特征圖；

步驟6、對(duì)象粗分割；以圖像特征圖為輸入，將圖像特征圖分為若干個(gè)區(qū)域，每個(gè)區(qū)域?qū)?yīng)一類，描述圖像特征圖中各像素屬于該類的概率；

步驟7、類別對(duì)象表示；在粗分割基礎(chǔ)上通過(guò)計(jì)算得到各個(gè)像素的加權(quán)量化表示；

步驟8、像素特征增強(qiáng)表示；將類別對(duì)象表示與像素特征進(jìn)行融合獲得增強(qiáng)的像素特征，該增強(qiáng)的像素特征被用于像素語(yǔ)義分割；

步驟9、像素語(yǔ)義標(biāo)簽生成；在像素特征增強(qiáng)表示的基礎(chǔ)上，通過(guò)淺層卷積網(wǎng)絡(luò)將每個(gè)像素映射到一個(gè)語(yǔ)義類別，通過(guò)真值標(biāo)簽優(yōu)化網(wǎng)絡(luò)參數(shù)，得到最終的低相干區(qū)域識(shí)別結(jié)果。