语义引导的多特征耦合遥感影像目标识别方法研究

本发明公开了一种基于多尺度语义特征的遥感图像目标检测方法，包括：构建包括骨干网络、特征融合网络和检测头的目标检测模型；获取多个遥感图像，并将遥感图像输入至骨干网络，得到多个不同层级特征图；将不同层级特征图分别输入至特征融合网络，对应得到不同层级融合特征图；将不同层级融合特征图输入至检测头进行解耦，得到不同层级的预测目标结果；基于预测目标结果和目标真值标注结果联合损失函数对目标检测模型进行训练，得到训练好的目标检测模型；将待测遥感图像输入至训练好的目标检测模型，得到对应的目标检测结果。解决了传统方法中高级语义特征在特征融合阶段信息丢失和噪声引入问题，实现了遥感图像目标的精准识别。

本发明涉及遥感图像处理技术领域，公开了融合频域建模与轻量线性注意力的遥感图像语义分割方法，包括：通过初始卷积层提取遥感图像的基础空间纹理和边缘特征，得到初始特征图；初始特征图通过逐层下采样得到多尺度特征；将多尺度特征分别输入至多尺度频域增强的轻量化线性注意力单元，通过频域显著性引导与空间多尺度建模协同作用输出增强后的多尺度特征；增强后的多尺度特征从最高层特征依次进行上采样并与对应层的增强特征相加融合，得到融合后的高分辨率特征映射特征图；融合后的高分辨率特征映射特征图通过分类预测映射得到语义分割图。本发明通过引入频域增强机制与轻量化线性注意力结构，显著提升模型对复杂地物的分割准确性。

本发明公开了一种基于特征交互增强的遥感图像语义分割方法，步骤包括获取遥感图像进行特征提取，得到初步特征；基于初步特征进行特征交互增强，得到增强特征；以及根据增强特征进行像素级分割。本发明结合标准卷积、深度可分离卷积和膨胀卷积等操作对初步特征进行交互增强，从而提升对遥感图像中多尺度特征的捕获能力，实现全局与局部特征的协同提取，提升语义分割的精度和鲁棒性。