[發明專利]一種無人機多光譜遙感圖像拼接分析方法

在審

• 申請號: 202210011577.7
• 申請日: 2022-01-06
• 公開（公告）號: CN114359052A
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 楊洋;何小其
• 申請（專利權）人: 上海交通大學寧波人工智能研究院
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06T7/10;G06N3/04;G06N3/08
• 代理公司: 上海劍秋知識產權代理有限公司 31382
• 代理人: 徐浩俊

1.一種無人機多光譜遙感圖像拼接分析方法，其特征在于，包括以下步驟：

S1000、檢測模型訓練，標注多光譜遙感圖像數據集并通過所述多光譜遙感圖像數據集對所述檢測模型進行訓練；

S2000、待拼接圖像推理，使用訓練后的檢測模型對所述待拼接圖像進行推理檢測；

S3000、所述待拼接圖像拼接，對特征描述子進行匹配并對所述待拼接圖像進行拼接得到全景圖像。

2.如權利要求1所述的無人機多光譜遙感圖像拼接分析方法，其特征在于，還包括以下步驟：

S4000、所述全景圖像分析，將所述待拼接圖像的語義信息映射至所述全景圖像。

3.如權利要求1或2所述的無人機多光譜遙感圖像拼接分析方法，其特征在于，所述步驟S1000中具體包括：

S1100、基于規則隨機生成實時渲染數據集；

S1200、使用所述實時渲染數據集對標注模型進行訓練；

S1300、使用所述標注模型對所述多光譜遙感圖像數據集進行標注；

S1400、使用標注后的多光譜遙感圖像數據集對所述檢測模型進行訓練；

S1500、進行量化，剪裁并最終得到檢測模型。

4.如權利要求3所述的無人機多光譜遙感圖像拼接分析方法，其特征在于，所述步驟S1200還包括：

S1210、使用所述標注模型進行下采樣，通過卷積塊和最大池化塊完成；

S1220、使用所述標注模型進行上采樣，通過卷積塊和反卷積塊完成；

S1230、對所述標注模型的中間特征張量跳層連接；

S1240、計算特征描述子坐標損失函數并反向傳播；

S1250、判斷是否達到指定迭代次數，如果未達到，則返回步驟S1100；如果達到，則完成訓練，執行步驟S1300。

5.如權利要求4所述的無人機多光譜遙感圖像拼接分析方法，其特征在于，所述步驟S1300具體包括：

S1310、使用所述標注模型對所述多光譜遙感圖像數據集進行推理檢測，得到每一張圖像的特征描述子位置坐標標簽；

S1320、使用數據增強手段對所述多光譜遙感圖像數據集進行擴充，得到擴充多光譜遙感圖像數據集；

S1330、使用所述標注模型對所述擴充多光譜遙感圖像數據集進行推理檢測，得到所述擴充多光譜遙感圖像數據集的特征描述子標簽；

S1340、將所述擴充多光譜遙感圖像數據集的標簽與原始多光譜遙感圖像數據集數據集的標簽疊加，得到稠密特征描述子標簽Y。

6.如權利要求5所述的無人機多光譜遙感圖像拼接分析方法，其特征在于，所述步驟S1400包括：

S1410、使用所述檢測模型進行下采樣，下采樣由卷積塊和最大池化塊完成；

S1420、使用所述檢測模型進行上采樣，通過卷積塊和反卷積塊完成；

S1430、對所述檢測模型的中間特征張量跳層連接；

S1440、計算特征描述子坐標損失函數并反向傳播；

S1450、計算特征描述子特征向量損失函數并反向傳播。

7.如權利要求6的無人機多光譜遙感圖像拼接分析方法，其特征在于，所述步驟S1400還包括：

S1460、計算像素級語義信息損失函數并反向傳播。

8.如權利要求6或7的無人機多光譜遙感圖像拼接分析方法，其特征在于，所述步驟S1400還包括：

S1470、判斷是否達到指定迭代次數，如果未達到，則返回步驟S1300；如果達到，則完成訓練，執行步驟S1500。