一种面向1级遥感数据的抗畸变在轨目标检测方法与模型

本发明涉及图像处理，具体涉及一种面向1级遥感数据的抗畸变在轨目标检测方法与模型。

背景技术：

1、受卫星平台震颤、探测器器件畸变等影响，卫星影像发生一定程度几何畸变是不可避免的。传统目标检测使用的数据集均为3级遥感影像，即经过辐射校正、系统几何纠正和几何精纠正之后的影像。辐射校正和几何纠正需要耗费大量计算资源，而卫星上的计算资源十分有限，致使卫星其他航天任务的计算资源更加紧张。另外，传统目标检测的处理流程为：遥感影像下传地面，地面进行目标检测。而当前遥感数据采集量远超传输带宽，存在“传不下来”的问题，同时星上存储有限，存在“存不下”的问题，并且卫星上计算资源严格受限，存在“计算不了”的问题，这些问题严重制约了高通量遥感卫星的应用效能。

2、当前基于遥感影像的目标检测方法主要实施流程：①模型设计与优化，基于历史积累的遥感影像数据库进行模型训练调优和改良；②遥感影像生成，卫星在轨获取遥感数据并经辐射校正成像，再进行系统几何纠正和几何精纠正形成3级遥感影像数据；③遥感影像获取，生成的3级遥感影像通过星地传输传到地面接收站；④目标检测与结果分发，基于最新获取的3级遥感影像使用步骤①设计的模型进行目标检测并将检测结果分发给用户和数据处理中心。该方法中3级遥感影像的生成极其耗费星上计算资源，另外该方法需要3级遥感影像下传和检测结果上传，受此影响卫星响应速度最快也是小时级，难以满足应急场景对高时效性要求。

3、目前，目标检测在传统“先纠正，后检测”的遥感数据处理流程中处于偏后位置，大量没有目标的无用影像数据在形成3级遥感影像后被遗弃，这无疑造成了星上计算资源的严重浪费并且严重影响遥感数据信息提取的时效性。

技术实现思路

1、针对现有技术中“先纠正，后检测”的目标检测遥感数据处理流程存在星上计算资源浪费并且遥感数据信息提取时效性较低的问题，本发明提出一种面向1级遥感数据的抗畸变在轨目标检测方法与模型，通过采用“先检测，后纠正”的遥感数据处理流程，避免无效数据纠正造成的计算资源浪费，提高遥感数据信息提取时效性。

2、根据本发明其中一方面，提出如下技术方案：

3、一种面向1级遥感数据的抗畸变在轨目标检测方法，包括以下步骤：s1、构建抗畸变网络模块，所述抗畸变网络模块用于对1级遥感影像进行畸变校正；s2、在目标检测的主干特征提取网络中深层特征提取模块前添加所述抗畸变网络模块，构建在轨目标检测模型；s3、利用1级遥感影像样本库在地面训练所述在轨目标检测模型，训练好的在轨目标检测模型上传至卫星端；s4、将卫星在轨获取的0级遥感信号处理成1级遥感影像送入当前最新的在轨目标检测模型中进行实时在轨目标检测。

4、进一步地，所述抗畸变网络模块对1级遥感影像进行畸变校正的处理流程包括：s11、对1级遥感影像进行尺寸调整，调整后的影像记为id；s12、将调整后的影像id输入定位网络，通过所述定位网络得到控制点；s13、通过所述控制点来计算校正图中每个点在1级遥感影像中的对应点的位置以建立对应关系；s14、通过所述对应关系在1级遥感影像中进行像素采集，获得所述校正图，记为id。

5、进一步地，所述1级遥感影像样本库通过如下方式构建：0级遥感信号经辐射校正后生成1级遥感影像，然后将1级遥感影像进行标注，标注出目标，形成样本库，并划分训练集，验证集和测试集。

6、进一步地，步骤s3训练所述在轨目标检测模型时，模型输入为样本库训练集中的1级遥感影像，输出为目标的切片和四维坐标。

7、进一步地，还包括：根据步骤s4的目标检测结果，剔除不包含目标的无效数据后，对包含目标的切片进行几何粗纠正及几何精纠正，获得3级遥感影像。

8、进一步地，还包括：更新丰富地面的所述1级遥感影像样本库，并用更新的数据微调所述在轨目标检测模型，并将当前最优模型上传至卫星端。

9、根据本发明的另一方面，还提出一种面向1级遥感数据的抗畸变在轨目标检测模型，包括依次连接的主干特征提取网络、特征金字塔网络和检测头；其中，所述主干特征提取网络包括抗畸变网络模块和深层特征提取模块，所述抗畸变网络模块用于对1级遥感影像进行畸变校正，获得校正图；所述深层特征提取模块用于对所述校正图进行特征提取。

10、进一步地，所述抗畸变网络模块包括：尺寸调整模块，用于对输入的1级遥感影像进行尺寸调整；定位网络，连接于所述尺寸调整模块，用于根据调整后的影像生成控制点；网格生成器，连接于所述定位网络，用于根据所述控制点生成采样网格；采样器，用于根据所述采样网格将所述1级遥感影像中的像素对应采集到目标图中，完成抗畸变校正，获得校正图。

11、与现有技术相比，本发明的有益效果体现在：与目前“先纠正，后检测”的目标检测遥感数据处理流程相比，本发明“先检测，后纠正”的遥感数据处理流程，在1级遥感影像阶段进行抗畸变目标检测，剔除无效数据，仅保留包含目标的有效数据，而经过目标检测后输出的有效数据在星上进行后续的几何纠正，与现有技术直接对1级遥感影像进行几何纠正获得3级遥感影像后再检测相比，避免了无效数据纠正导致的计算资源浪费，大大节约了星上计算资源；并且，由于在1级遥感影像阶段进行抗畸变目标检测后直接丢弃无效数据，解决了现有技术中星上存储资源紧张的问题以及下传的数据中由于包含无效数据导致下传时效性低的问题，显著提高了遥感数据信息提取的时效性。

技术特征：

1.一种面向1级遥感数据的抗畸变在轨目标检测方法，其特征在于，包括以下步骤：

2.如权利要求1所述的抗畸变在轨目标检测方法，其特征在于，所述抗畸变网络模块对1级遥感影像进行畸变校正的处理流程包括：

3.如权利要求1所述的抗畸变在轨目标检测方法，其特征在于，所述1级遥感影像样本库通过如下方式构建：

4.如权利要求1所述的抗畸变在轨目标检测方法，其特征在于，步骤s3训练所述在轨目标检测模型时，模型输入为样本库训练集中的1级遥感影像，输出为目标的切片和四维坐标。

5.如权利要求1所述的抗畸变在轨目标检测方法，其特征在于，还包括：根据步骤s4的目标检测结果，剔除不包含目标的无效数据后，对包含目标的切片进行几何粗纠正及几何精纠正，获得3级遥感影像。

6.如权利要求1所述的抗畸变在轨目标检测方法，其特征在于，还包括：更新丰富地面的所述1级遥感影像样本库，并用更新的数据微调所述在轨目标检测模型，并将当前最优模型上传至卫星端。

7.一种面向1级遥感数据的抗畸变在轨目标检测模型，其特征在于，包括依次连接的主干特征提取网络、特征金字塔网络和检测头；

8.如权利要求7所述的抗畸变在轨目标检测模型，其特征在于，所述抗畸变网络模块包括：

技术总结
本发明公开了一种面向1级遥感数据的抗畸变在轨目标检测方法与模型，该方法包括步骤：S1、构建抗畸变网络模块，所述抗畸变网络模块用于对1级遥感影像进行畸变校正；S2、在目标检测的主干特征提取网络中深层特征提取模块前添加所述抗畸变网络模块，构建在轨目标检测模型；S3、利用1级遥感影像样本库在地面训练所述在轨目标检测模型，训练好的在轨目标检测模型上传至卫星端；S4、将卫星在轨获取的0级遥感信号处理成1级遥感影像送入当前最新的在轨目标检测模型中进行实时在轨目标检测。

技术研发人员：陈波,庞艳华,张亚民,魏小峰
受保护的技术使用者：哈尔滨工业大学（深圳）（哈尔滨工业大学深圳科技创新研究院）
技术研发日：
技术公布日：2024/1/13