大规模遥感图像区域定位数据集自动生成方法的研究
目前遥感技术应用领域逐渐扩大，涌现了许多新的技术目标，如遥感领域内的图像分割、目标检测、目标定位、目标分类等。这些技术的发展都需要遥感图片数据集的支持。因此需要研究一种自动定位目标区域的方法来大规模地生成图片的标注，以便生成带标注的数据集。 遥感图像目标定位是利用遥感技术对获取的图像数据进行处理和分析，以准确确定目标在地理空间中的位置信息的过程。通过目标定位可为资源管理、环境保护、灾害预警等领域提供科学依据和决策支持。随着深度学习的日趋火热，遥感领域图像任务对构建用于训练分析模型的区域定位数据集的需求也逐渐变大，但目前尚无快速有效生成数据集标注的处理方法，大多情况下仍然需要使用人工标注。针对此问题，本文深入研究遥感图片目标定位的常见方法，并将目标定位和深度学习的知识相结合(比如分类网络、显著性检测网络等)，提出了一种双阶段的方法，仅需部分目标分类数据集，即可实现大规模遥感图像目标定位数据集的自动生成。本文的主要工作如下: (1)本文提出一种双阶段处理方法，仅需通过部分分类标注数据集,即可完成遥感图像目标定位模型的训练，并大量生产目标数据集。在第一阶段，本文方法通过训练分类模型并提取其特征信息，可获取遥感图像目标定位的初步标注，然后该标注在第二阶段被一种基于Transformer的改进模型进一步优化得到最终标注结果。 (2)提出了一种基于分类网络定位遥感图片中目标位置的方法，根据该方法最终可以实现带标注数据集的自动生成。该方法是在深度学习的分类网络的框架下进行的，同时针对遥感图片本身的特点做出了相应的调整，从而提出了一种新框架。由于遥感图像的复杂性，该方法用一个三分类器取代双分类器，提高准确度。使用机场数据集进行训练并测试验证，经过视觉效果的对比，此方法能够较为准确地定位到目标所在的位置。 (3)研究了一种基于Transformer显著性模型定位遥感图片中目标位置的方法，根据该方法最终可以实现带标注数据集的自动生成。针对前一种方法定位不够准确的问题，采用第二阶段对上述结果进行完善。由于目标具有显著性的特征，引入Transformer的显著性模型来进一步定位目标。引入了一个基于移动窗口的注意力计算机制，以便捕获更多的全局信息。经过实验表明，无论从视觉化效果方面进行对比还是从量化指标方面进行对比，此方法均比第一种方法有着更好的效果。 (4)将所提出的方法的具体实现以工具的形式展示出来，最终可以实现带标注数据集的自动生成。这样在实际执行(训练/ 测试/评价)的时候能够较为简单地实现，方便了其他人的使用。
遥感图像;目标定位;深度学习;注意力机制
北京化工大学
硕士
计算机技术
胡伟;潘宗序
2023
中文
TP751.1
2023-09-27（万方平台首次上网日期，不代表论文的发表时间）