摘要
本发明提供一种基于双分支结构和特征融合机制的遥感露天矿区检测方法,包括:获取露天矿采矿区域的多源高分辨率遥感影像数据,并对其进行大气校正、辐射标定、色彩校正、图像配准和裁剪操作等预处理,得到时序遥感影像数据;采用深度学习算法构建基于双分支结构和特征融合机制的露天矿区检测模型,并通过所述时序遥感影像数据进行训练,得到遥感图像检测模型,所述双分支结构包括特征提取分支和特征生成分支,所述特征融合机制包括交叉注意力融合模块和特征自适应融合模块;向所述遥感图像检测模型输入待测遥感影像数据,得到露天矿开采区域的检测结果。本发明提高了对低分辨率图像的小目标细节和矿区边界的识别精度,兼顾计算效率和检测精度。
技术关键词
双分支结构
露天矿区
时序遥感影像
图像检测模型
遥感影像数据
注意力
细粒度特征
通道
露天矿开采
高分辨率遥感影像
深度学习算法
露天矿采矿
机制
联合损失函数
残差结构
模块
全局平均池化
双线性插值
融合特征
矩阵
系统为您推荐了相关专利信息
数字孪生体
边坡
建模方法
多源异构数据融合
孔隙水压力
分类方法
物候特征
遥感影像数据
时序
归一化植被指数
模块
检测头
计算机软件产品
多层次特征
计算机存储介质
遥感影像数据
样本
归一化水体指数
反射率
归一化植被指数