[发明专利]基于高光谱图像的目标检测分类方法、系统及存储介质

说明书

本发明公开了一种基于高光谱图像的目标检测分类方法、系统及存储介质，涉及遥感图像处理领域。本发明包括以下步骤：获取待检测分类的高光谱图像信息；对高光谱图像信息进行异常检测，剔除存在异常的图像信息；基于语义算法对剔除异常的图像信息后的高光谱图像进行目标检测；根据目标检测结果利用非监督算法对高光谱图像进行分类。本发明能够更为全面的考虑网络输出精度，避免了传统方法中，目标分类结果不准确、目标检测框质量较差的问题。

技术领域

本发明涉及遥感图像处理领域，更具体的说是涉及一种基于高光谱图像的目标检测分类方法、系统及存储介质。

背景技术

在遥感图像处理中高光谱图像分析变得越来越重要，因为高光谱图像传感器现在能够提取许多细微的物质，而这些物质通常无法通过普通的传感器提取。目前高光谱遥感数据已应用于许多的防御系统中，用来探测和识别军事目标。

高光谱遥感图像是根据灰度值以及像元值得大小差异及空间信息而表示不同的物种。由于高光谱图像的波段数多，所包含光谱的信息量大，所以它能够很好的反映地物的空间细节。但是对于高光谱图像中存在着目标中的物质种类的大小不及像素的大小，在这种情况下，目标嵌入到一个像素中不能由其空间存在来识别。并且不同的图像具有不同的属性，不同的属性对应的处理方式也不同，如果对于任一一张高光谱图像直接用常规的光谱分析方法，可能会导致具有特性的像元的信息埋没在一个没有意义的异常点上。

目前，遥感图像处理的最终目的就是对图像进行解译和分析。其中，分类问题是遥感图像信息提取中的最基本的问题之一，有关应用的许多方面都会涉及到这一问题。

因此，如何对遥感图像进行高效且准确的分类是本领域技术人员亟需研究的。

发明内容

有鉴于此，本发明提供了一种基于高光谱图像的目标检测分类方法、系统及存储介质，能够更为全面的考虑网络输出精度，避免了传统方法中，目标分类结果不准确、目标检测框质量较差的问题。

为了实现上述目的，本发明采用如下技术方案：

一方面公开了一种基于高光谱图像的目标检测分类方法，包括以下步骤：

获取待检测分类的高光谱图像信息；

对高光谱图像信息进行异常检测，剔除存在异常的图像信息；

基于语义算法对剔除异常的图像信息后的高光谱图像进行目标检测；

根据目标检测结果利用非监督算法对高光谱图像进行分类。

可选的，对高光谱图像进行异常检测具体为：采用亚像元进行异常检测；采用混合像元进行异常检测；采用投影寻踪法进行异常检测；采用凸面几何法进行异常检测。

可选的，基于语义算法对剔除异常的图像信息后的高光谱图像进行目标检测具体包括以下步骤：

基于语义算法构建多尺度目标检测模型；

将剔除异常的图像信息后的高光谱图像输入多尺度目标检测模型进行前向计算，得到多尺度目标检测模型的输出；

计算多尺度目标检测模型的输出与真实目标图像的损失函数；

若损失函数在预设阈值之内，则得到目标检测结果。

可选的，所述多尺度目标检测模型包括：基于语义的定位模块、自适应特征增强模块和检测框优化模块；所述基于语义的定位模块、所述自适应特征增强模块和所述检测框优化模块依次连接。

可选的，根据目标检测结果利用非监督算法对高光谱图像进行分类，具体为：

提取目标检测结果的特征向量；

将特征向量输入到fasterR-CNN算法模型中；