一种定量化大气校正支持的高分遥感目标检测方法

1.本发明涉及卫星遥感数据处理技术与计算机视觉领域，尤其涉及高分遥感目标检测应用领域，具体说是一种定量化大气校正支持的高分遥感目标检测方法。


背景技术：

2.当前基于高分光学遥感影像检测地面目标，大都使用未经大气校正的高分卫星影像并基于计算机视觉的深度学习方法实现。深度学习方法因在目标检测方面展现出强大的特征表示能力而被广泛应用，但深度学习算法在检测精度和检测效率上还存在一定的提升空间，尤其是针对小尺度高分辨率光学遥感图像中的目标检测问题。另一方面，目前还未有人将定量化遥感信息应用到高分卫星遥感目标检测中，只是将深度学习网络模型应用到遥感领域，实际技术路线与深度学习强相关，但几乎未挖掘和利用遥感中专业的科学知识支撑检测。而被检测的目标在遥感影像中属于大气层下界的地表信号，扣除大气贡献后的遥感影像才真正代表地面目标信号。本发明以大气辐射校正为主要手段的遥感信息定量化处理，充分联合定量遥感和图形图像两方面的信息，提出了一种定量化大气校正支持的高分遥感目标检测方法。


技术实现要素：

3.(一)要解决的技术问题
4.本发明提供了一种定量化大气校正支持的高分遥感目标检测方法，该方法充分考虑与普通地面目标不同的遥感目标特有的定量化信息的应用，联合定量遥感和图形图像两方面的目标信息，来支持基于深度学习方法的高分遥感目标检测。
5.(二)技术方案
6.为实现上述技术任务，本发明采用以下技术方案，一种定量化大气校正支持的高分遥感目标检测方法，其包含以下步骤：
7.(1)获取并筛选出含目标物、无云的高分卫星影像；
8.(2)对高分卫星影像进行正射校正，获得影像中每个像素准确的经纬度；
9.(3)利用高轨静止卫星大气产品为高分卫星影像匹配同时空的气溶胶光学厚度、柱水汽含量等大气参数，对高分卫星影像进行基于辐射传输模型的大气辐射校正，得到大气校正后的高分卫星影像，即地表反射率影像；
10.(4)将大气校正后的多光谱影像和全色影像进行图像融合，将高空间分辨率卫星的多光谱影像提升至与全色影像相同的空间分辨率；
11.(5)将大气校正及融合处理后的高分卫星影像进行目标样本标注，并将标注的样本数据分为训练集、验证集和测试集；
12.(6)将标注的样本数据输入深度学习网络中调整参数进行训练、验证，获得训练完毕的深度学习模型，利用深度学习模型对测试集进行目标检测，得到目标检测结果精度；
13.进一步，所述步骤(3)以大气辐射校正为主要手段的遥感影像定量化处理，为深度
学习网络的输入增加辐射维度的定量遥感信息，从而将定量遥感和图形图像两方面的信息结合应用于高分遥感目标检测。
14.(三)有益效果
15.本发明的优点体现在：
16.充分利用遥感领域中的科学知识，将高分遥感目标中所含特有的定量化信息应用于深度学习网络中，联合使用定量遥感和图形图像信息进行高分遥感目标检测，丰富了地面目标的信息。
附图说明
17.图1为本发明实施的步骤流程图。
具体实施方式
18.为使本发明的目的、内容、和优点更加清楚，下面将结合本发明的附图和实施例，对本发明的实施方案进行完整、清除地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
19.下面结合附图和实施例，对本发明的具体实施方案进行详细介绍。
20.参照图1，本发明以himawari-8为高轨静止卫星、以高分二号卫星为低轨高分卫星、以深度学习网络为yolov5网络并以飞机为地面目标作为实施例，本发明提供一种定量化大气校正支持的高分遥感目标检测方法，其包括：
21.(1)获取并筛选出含飞机目标、无云的高分二号卫星影像；
22.其中，高分二号卫星影像由4m空间分辨率的多光谱和1m空间分辨率的全色影像构成。
23.(2)对高分二号卫星影像进行正射校正，获得影像中每个像素准确的经纬度。
24.(3)利用himawari-8观测到的大气气溶胶产品匹配与正射校正后的高分二号卫星影像同时空的气溶胶光学厚度，对高分二号卫星影像进行基于6s辐射传输模型的大气辐射校正，得到大气校正后的高分二号卫星影像，即地表反射率影像；
25.其中，以大气辐射校正为主要手段的遥感影像定量化处理，为深度学习网络的输入增加辐射维度的定量遥感信息，从而将定量遥感和图形图像两方面的信息结合应用于高分二号遥感飞机检测。
26.(4)将大气校正后的多光谱影像和全色影像进行图像融合，将4m空间分辨率多光谱影像提升至与1m空间分辨率全色影像相同的空间分辨率，可获得1m
×
1m空间分辨率的高分二号卫星影像。
27.(5)将大气校正及融合处理后的高分二号卫星影像进行飞机样本标注，并将标注的样本数据按7:2:1的比例分为训练集、验证集和测试集。
28.(6)将标注的样本数据输入yolov5网络中调整参数进行训练、验证，并获得训练结果最好的权重文件，利用权重文件对测试集在网络中进行飞机检测，最终得到飞机检测结果及检测精度。


技术特征：
1.一种定量化大气校正支持的高分遥感目标检测方法，其特征在于，包括以下步骤：(1)获取并筛选出含目标物、无云的高分卫星影像；(2)对高分卫星影像进行正射校正，获得影像中每个像素准确的经纬度；(3)利用高轨静止卫星大气产品为高分卫星影像匹配同时空的气溶胶光学厚度、柱水汽含量等大气参数，对高分卫星影像进行基于辐射传输模型的大气辐射校正，得到大气校正后的高分卫星影像，即地表反射率影像；(4)将大气校正后的多光谱影像和全色影像进行图像融合，将高空间分辨率卫星的多光谱影像提升至与全色影像相同的空间分辨率；(5)将大气校正及融合处理后的高分卫星影像进行目标样本标注，并将标注的样本数据分为训练集、验证集和测试集；(6)将标注的样本数据输入深度学习网络中调整参数进行训练、验证，获得训练完毕的深度学习模型，利用深度学习模型对测试集进行目标检测，得到目标检测结果精度。2.根据权利要求1所述的一种定量化大气校正支持的高分遥感目标检测方法，其特征在于：所述步骤(3)以大气辐射校正为主要手段的遥感影像定量化处理，为深度学习网络的输入增加辐射维度的定量遥感信息，从而将定量遥感和图形图像两方面的信息结合应用于高分遥感目标检测。

技术总结
本发明公开了一种定量化大气校正支持的高分遥感目标检测方法，基本步骤为：获取含目标物且无云的高分卫星影像；对高分卫星影像依次进行正射校正、静止卫星大气产品数据支持高分卫星同步大气校正以及多光谱、全色图像融合；将最后经过大气校正及融合处理后的高分卫星影像进行样本标注，并将标注后的样本分为训练集、验证集和测试集，得到目标样本数据集；利用基于深度学习的目标检测网络进行样本训练、验证并测试得到目标检测的结果。本发明提供的方法在深度学习网络进行高分遥感目标检测的过程中，联合了定量遥感和图形图像两方面的信息，从而增加输入网络的目标信息量。从而增加输入网络的目标信息量。从而增加输入网络的目标信息量。


技术研发人员：陈兴峰 赵利民 张云丽 李家国 刘军
受保护的技术使用者：中国科学院空天信息创新研究院
技术研发日：2022.09.16
技术公布日：2022/12/9