双时相遥感影像的目标识别方法及装置

摘要: 本技术涉及遥感监测和图像识别,尤其涉及一种双时相遥感影像的目标识别方法及装置。背景技术:1、野生动物数量调查与栖息地动态监测是生态系统管理和生物多样性保护的关键...
双时相遥感影像的目标识别方法及装置

本技术涉及遥感监测和图像识别,尤其涉及一种双时相遥感影像的目标识别方法及装置。

背景技术:

1、野生动物数量调查与栖息地动态监测是生态系统管理和生物多样性保护的关键核心工作,也是评估物种生存状态与种群动态的基础。

2、目前,基于高分辨率遥感影像的野生动物监测方法,主要采用通用的深度学习目标检测模型,直接从单景卫星影像中提取目标的外观特征,进而实现目标的识别与计数。该类方法的有效性高度依赖于目标在影像中具有足够空间分辨率以支撑其可辨识的形态与纹理特征。

3、例如,藏羚羊成年个体体长仅为130cm左右,在空间分辨率达30cm~50cm的亚米级卫星影像中,单只个体仅占据不足5×5像素的极小区域。在此极端尺度下,目标面临严重的边缘模糊与形态特征退化,可用判别信息极为有限。与此同时,藏羚羊栖息地背景高度复杂,广泛分布高原草甸、雪地、碎石堆、裸露河床及局部微地形起伏等要素,这些背景地物在光谱特征上与藏羚羊存在高度的同谱异物性,且在空间分布上呈现强异质性,进一步加剧了目标与背景之间的特征混叠。

4、上述因素叠加,使得现有通用目标检测模型在卫星影像藏羚羊识别任务中,实际检出率与真实分布情况之间存在显著偏差。

技术实现思路

1、鉴于上述问题,本技术提供了一种双时相遥感影像的目标识别方法及装置。

2、本技术的实施例一方面提供一种双时相遥感影像的目标识别方法,包括:获取监测区域中时相不同的第一遥感影像和第二遥感影像;通过预训练的图像识别模型分别提取第一遥感影像的多个第一特征图和第二遥感影像的多个第二特征图,第一特征图和第二特征图均包括多个特征响应向量,多个第一特征图和多个第二特征图一一对应;针对多个第一特征图中的任一目标第一特征图和多个第二特征图中与目标第一特征图对应的目标第二特征图,将目标第一特征图和目标第二特征图进行多时相特征融合,得到融合特征图;基于目标第一特征图中各特征响应向量和目标第二特征图中各特征响应向量,从融合特征图中确定目标特征响应并滤除目标特征响应,目标特征响应在目标第一特征图中的索引坐标与在目标第二特征图中的索引坐标相同,且目标第一特征图与目标第二特征图在索引坐标处的两个特征响应向量之间的特征距离小于预设阈值;通过图像识别模型,对多个滤除目标特征响应后的融合特征图进行目标识别,得到第一遥感影像和第二遥感影像中包含的目标对象。

3、根据本技术的实施例,在获取监测区域中时相不同的第一遥感影像和第二遥感影像之后,方法还包括:对第一遥感影像和第二遥感影像进行几何配准;分别将几何配准后的第一遥感影像和第二遥感影像按照相同的空间网格划分策略进行裁剪,得到多个空间位置一一对应的第一切片和第二切片。

4、根据本技术的实施例,通过预训练的图像识别模型分别提取第一遥感影像的多个第一特征图和第二遥感影像的多个第二特征图,包括:通过图像识别模型分别提取各第一切片和各第二切片的特征图,以各第一切片的特征图作为第一特征图,以各第二切片的特征图作为第二特征图。

5、根据本技术的实施例,通过图像识别模型分别提取各第一切片和各第二切片的特征图,包括针对第一切片和第二切片中的任一切片,执行以下操作:将任一切片依次进行逐层卷积、池化及非线性激活后,输出任一切片对应的特征图。

6、根据本技术的实施例,将目标第一特征图和目标第二特征图进行多时相特征融合,得到融合特征图,包括:将目标第一特征图和目标第二特征图在通道维度进行拼接,得到拼接特征图,并对拼接特征图进行卷积操作;计算目标第一特征图和目标第二特征图的绝对差分矩阵,并对绝对差分矩阵依次进行卷积操作和激活操作;将卷积操作后的拼接特征图与激活操作后的绝对差分矩阵进行逐元素点乘运算,得到融合特征图。

7、根据本技术的实施例,从融合特征图中滤除目标特征响应,包括:获取预先构建的与融合特征图空间维度相同的掩膜矩阵,掩膜矩阵中对应目标特征响应的空间位置处的元素为0;将掩膜矩阵与融合特征图进行点乘运算,使融合特征图中的目标特征响应被置零,得到滤除目标特征响应后的融合特征图。

8、根据本技术的实施例,对多个滤除目标特征响应后的融合特征图进行目标识别,得到第一遥感影像和第二遥感影像中包含的目标对象,包括针对任一滤除目标特征响应后的融合特征图执行以下操作:以任一滤除目标特征响应后的融合特征图作为待检测特征图,计算待检测特征图中的每一空间位置属于目标对象的置信度,生成置信度集合;在置信度集合中任一置信度满足预设条件的情况下,确定任一置信度对应的空间位置为候选目标位置;提取待检测特征图中候选目标位置对应的边界定位框的参数;基于待检测特征图与第一遥感影像和第二遥感影像之间的空间映射关系,将边界定位框的参数映射至第一遥感影像或第二遥感影像的像素坐标系中,输出包含目标对象的识别结果。

9、根据本技术的实施例,在置信度集合中任一置信度满足预设条件的情况下,确定任一置信度对应的空间位置为候选目标位置,包括:在任一置信度大于预设的置信度阈值的情况下,确定任一置信度对应的空间位置为候选目标位置。

10、根据本技术的实施例,图像识别模型通过以下操作得到:获取初始训练数据集,初始训练数据集包括含有目标对象的正样本影像以及不包含目标对象的负样本影像;利用初始训练数据集训练神经网络模型,训练完成后得到基础检测网络;获取背景训练数据集,背景训练数据集包括不含有目标对象的背景遥感影像;将背景训练数据集输入基础检测网络中进行前向推理,输出置信度得分高于预设误检阈值的背景遥感影像,并将其标注为硬负样本,误检阈值表征基础检测网络从背景训练数据集中误识别到目标对象的最低置信度;利用硬负样本和初始训练数据集对基础检测网络进行训练,训练完成后得到图像识别模型。

11、本技术的实施例另一方面提供,一种双时相遥感影像的目标识别装置,装置包括:影像获取模块,用于获取监测区域中时相不同的第一遥感影像和第二遥感影像;特征提取模块,用于通过预训练的图像识别模型分别提取第一遥感影像的多个第一特征图和第二遥感影像的多个第二特征图,第一特征图和第二特征图均包括多个特征响应向量,多个第一特征图和多个第二特征图一一对应;特征融合模块,用于针对多个第一特征图中的任一目标第一特征图和多个第二特征图中与目标第一特征图对应的目标第二特征图,将目标第一特征图和目标第二特征图进行多时相特征融合,得到融合特征图;特征滤除模块,用于基于目标第一特征图中各特征响应向量和目标第二特征图中各特征响应向量,从融合特征图中确定目标特征响应并滤除目标特征响应,目标特征响应在目标第一特征图中的索引坐标与在目标第二特征图中的索引坐标相同,且目标第一特征图与目标第二特征图在索引坐标处的两个特征响应向量之间的特征距离小于预设阈值;目标识别模块,用于通过图像识别模型,对多个滤除目标特征响应后的融合特征图进行目标识别,得到第一遥感影像和第二遥感影像中包含的目标对象。

12、本技术提供的一种双时相遥感影像的目标识别方法及装置,至少具有以下技术效果:

13、1、通过比对目标第一特征图与目标第二特征图同一索引坐标位置处特征响应向量的特征距离及空间索引关系,将两时相下处于相同空间像素坐标、且辐射特性高度一致的静态伪目标判定为目标特征响应(即静态混淆地物),并在融合特征图中对该类目标特征响应执行置零滤除处理,由此在时间维度上将复杂背景与动态微小目标实现本质分离,可以抑制因背景混淆导致的假阳性误报,提升大尺度卫星遥感影像场景下,藏羚羊微小个体空间精准定位与定量反演结果的置信度与准确度。

14、2、通过基于双分支变化感知网络和硬负样本迭代挖掘方法事先预训练得到图像识别模型与自适应分类决策边界,可用于实现任一复杂异质背景地貌下双时相亚米级遥感影像中高机动性微小目标的精准识别与定量计数。