本发明涉及图像处理领域。更具体地,涉及一种遥感图像目标检测识别方法及系统。
背景技术:
1、随着我国航天事业的蓬勃发展,在轨数据处理能力不断加强,而传统的地面处理数据的工作方式难以满足目标检测识别高时效性的任务需求,因此研究基于深度学习的星载遥感图像目标检测与识别框架具有实际意义。
2、目前,遥感图像技术结合先进的人造卫星采集地球表面上的信息,获取到相应的遥感图像,广泛应用在商业、民生以及军事等领域。然而,传统的遥感图像识别方法只能对地物进行笼统的识别,无法满足更加精细化的工作需求。此外,传统的遥感卫星图像采用“卫星采集数据下传+地面数据处理”的工作方式,导致信息感知以及后续决策的时效性低。而且,由于星载软件依赖的软件平台和硬件平台资源有限,所以在开发智能处理算法框架的时候在保证效果的前提下,软件还要适应和充分利用星上资源,做到小型、经济和具有时效性。
3、因此,研究并实现在轨图像的目标检测与识别处理技术对提升我国全球范围快速感知响应能力具有重要的战略意义。
技术实现思路
1、本发明的目的在于提供一种遥感图像目标检测识别方法及系统,以解决现有技术存在的问题中的至少一个。
2、为达到上述目的,本发明采用下述技术方案:
3、本发明第一方面提供了一种遥感图像目标检测识别方法,该方法包括
4、获取遥感图像并对所述遥感图像进行数据处理,得到三通道切片图像数据;
5、通过替换残差网络结构和损失函数构建改进的yolov5网络模型,利用所述改进的yolov5网络模型对所述三通道切片图像数据进行模型推理,得到向量矩阵;
6、利用所述改进的yolov5网络模型对所述向量矩阵进行后处理,得到目标检测识别结果;
7、根据所述目标检测识别结果输出目标的图像信息和文本信息。
8、可选地,所述获取遥感图像并对所述遥感图像进行数据处理包括将单通道灰度图中有重叠区域的图像进行裁切。
9、可选地,所述获取遥感图像并对所述遥感图像进行数据处理还包括利用第一滤波算法对部分特征进行数据增强。
10、可选地,所述获取遥感图像并对所述遥感图像进行数据处理还包括利用第二滤波算法将图像分辨率缩放到原始分辨率的1/2。
11、可选地,所述通过替换残差网络结构构建改进的yolov5网络模型包括利用无参数的注意力模块替代残差网络结构。
12、可选地,所述通过替换损失函数构建改进的yolov5网络模型包括利用siou损失函数替代giou损失函数。
13、可选地,所述利用所述改进的yolov5网络模型对所述向量矩阵进行后处理包括
14、对所述向量矩阵进行改进后的yolov5后处理,得到第一张量、第二张量和第三张量。
15、可选地,所述利用所述改进的yolov5网络模型对所述向量矩阵进行后处理还包括
16、对所述第一张量、所述第二张量和所述第三张量进行张量后处理,得到融合后的特征向量。
17、可选地,所述利用所述改进的yolov5网络模型对所述向量矩阵进行后处理还包括
18、对所述融合后的特征向量进行改进后的yolov5非极大值抑制后处理,得到目标检测识别结果。
19、本发明第二方面提供了一种遥感图像目标检测识别系统,该系统包括
20、数据处理模块,用于获取遥感图像并对所述遥感图像进行数据处理,得到三通道切片图像数据;
21、改进的yolov5网络模块,用于通过替换残差网络结构和损失函数构建改进的yolov5网络模型,利用所述改进的yolov5网络模型对所述三通道切片图像数据进行模型推理,得到向量矩阵;
22、后处理模块,用于利用所述改进的yolov5网络模型对所述向量矩阵进行后处理,得到目标检测识别结果;
23、数据输出模块,用于根据所述目标检测识别结果输出目标的图像信息和文本信息。
24、本发明的有益效果如下:
25、本发明公布了一种遥感图像目标检测识别方法,满足星上灰度图遥感图像目标检测识别需求,优化了目标检测识别效果,精简了模型规模,提高了星上目标检测识别任务的准确性和高效性。
1.一种遥感图像目标检测识别方法,其特征在于,该方法包括
2.根据权利要求1所述的遥感图像目标检测识别方法,其特征在于,所述获取遥感图像并对所述遥感图像进行数据处理包括将单通道灰度图中有重叠区域的图像进行裁切。
3.根据权利要求2所述的遥感图像目标检测识别方法,其特征在于,所述获取遥感图像并对所述遥感图像进行数据处理还包括利用第一滤波算法对部分特征进行数据增强。
4.根据权利要求3所述的遥感图像目标检测识别方法,其特征在于,所述获取遥感图像并对所述遥感图像进行数据处理还包括利用第二滤波算法将图像分辨率缩放到原始分辨率的1/2。
5.根据权利要求1所述的遥感图像目标检测识别方法,其特征在于,所述通过替换残差网络结构构建改进的yolov5网络模型包括利用无参数的注意力模块替代残差网络结构。
6.根据权利要求5所述的遥感图像目标检测识别方法,其特征在于,所述通过替换损失函数构建改进的yolov5网络模型包括利用siou损失函数替代giou损失函数。
7.根据权利要求1所述的遥感图像目标检测识别方法,其特征在于,所述利用所述改进的yolov5网络模型对所述向量矩阵进行后处理包括
8.根据权利要求7所述的遥感图像目标检测识别方法,其特征在于,所述利用所述改进的yolov5网络模型对所述向量矩阵进行后处理还包括
9.根据权利要求8所述的遥感图像目标检测识别方法,其特征在于,所述利用所述改进的yolov5网络模型对所述向量矩阵进行后处理还包括
10.一种遥感图像目标检测识别系统,其特征在于,该系统包括