(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211128954.1 (22)申请日 2022.09.16 (71)申请人 中国科学院空天信息创新研究院 地址 100094 北京市海淀区邓庄南路9号 (72)发明人 陈兴峰　赵利民　张云丽　李家国　 刘军　 (74)专利代理 机构 北京亿腾知识产权代理事务 所(普通合伙) 11309 专利代理师 陈霁 (51)Int.Cl. G06V 20/13(2022.01) G06V 10/82(2022.01) G06V 10/774(2022.01) G06T 5/50(2006.01) (54)发明名称 一种定量化大气校正支持的高分遥感目标 检测方法 (57)摘要 本发明公开了一种定量化大气校正支持的 高分遥感目标检测方法， 基本步骤为： 获取含目 标物且无云的高分卫星影像； 对高分卫星影像依 次进行正射校正、 静止卫星大气产品数据支持高 分卫星同步大气校正以及多光谱、 全色图像融 合； 将最后经过大气校正及融合处理后的高分卫 星影像进行样本标注， 并将标注后的样本分为训 练集、 验证集和测试集， 得到目标样本数据集； 利 用基于深度学习的目标检测网络进行样本训练、 验证并测试得到目标检测的结果。 本发明提供的 方法在深度学习网络进行高分遥感目标检测的 过程中， 联合了定量遥感和图形图像两方面的信 息， 从而增 加输入网络的目标信息量。 权利要求书1页 说明书2页 附图1页 CN 115457405 A 2022.12.09 CN 115457405 A 1.一种定量 化大气校正支持的高分遥感目标检测方法， 其特 征在于， 包括以下步骤： (1)获取并筛 选出含目标物、 无云的高分卫星影 像； (2)对高分卫星影 像进行正 射校正， 获得影 像中每个像素准确的经纬度； (3)利用高轨静止卫星大气产品为高分卫星影像匹配同时空的气溶胶光学厚度、 柱水 汽含量等大气参数， 对高分卫星影像进行基于辐 射传输模型 的大气辐 射校正， 得到大气校 正后的高分卫星影 像， 即地表反射 率影像； (4)将大气校正后的多光谱影像和全色影像进行图像融合， 将高空间分辨率卫星的多 光谱影像提升至与全色影 像相同的空间分辨 率； (5)将大气校正及融合处理后的高分卫星影像进行目标样本标注， 并将标注的样本数 据分为训练集、 验证集和 测试集； (6)将标注的样本数据输入深度学习网络 中调整参数进行训练、 验证， 获得训练完毕的 深度学习模型， 利用深度学习模型对测试集进行目标检测， 得到目标检测结果精度。 2.根据权利要求1所述的一种定量化大气校正支持的高分遥感目标检测方法， 其特征 在于： 所述步骤(3)以大气辐射校正为主要手段的遥感影像定量化处理， 为深度学习网络的 输入增加辐射维度的定量遥感信息， 从而将定量遥感和图形图像两方面的信息结合应用于 高分遥感目标检测。权　利　要　求　书 1/1 页 2 CN 115457405 A 2一种定量化大气校正支持的高分遥感目标 检测方法 技术领域 [0001]本发明涉及 卫星遥感数据处理技术与计算机视觉领域， 尤其涉及高分遥感目标检 测应用领域， 具体说是一种定量 化大气校正支持的高分遥感目标检测方法。 背景技术 [0002]当前基于高分光学遥感影像检测地面目标， 大都使用未经大气校正的高分卫星影 像并基于计算机视觉的深度学习方法实现。 深度学习方法因在目标检测方面展现出强大的 特征表示能力而被广泛应用， 但深度学习算法在检测精度和检测效率上还存在一定的提升 空间， 尤其是针对小尺度高分辨率光学遥感图像中的目标检测问题。 另一方面， 目前还未有 人将定量化遥感信息应用到高分卫星遥感目标检测中， 只是将深度学习网络模型应用到遥 感领域， 实际技术路线与深度学习强相关， 但几乎未挖掘和利用遥感中专业的科学知识支 撑检测。 而被检测的目标在遥感影像中属于大气层下界的地表信号， 扣除大气贡献后的遥 感影像才真正代表地面目标信号。 本发明以大气辐射校正为主要手段的遥感信息定量化处 理， 充分联合定量遥感和图形图像两方面的信息， 提出了一种定量化大气校正支持的高分 遥感目标检测方法。 发明内容 [0003](一)要解决的技 术问题 [0004]本发明提供了一种定量化大气校正支持的高分遥感目标检测方法， 该方法充分考 虑与普通地面目标不同的遥感目标特有的定量化信息的应用， 联合定量遥感和图形图像两 方面的目标信息， 来支持基于深度学习方法的高分遥感目标检测。 [0005](二)技术方案 [0006]为实现上述技术任务， 本发明采用以下技术方案， 一种定量化大气校正支持的高 分遥感目标检测方法， 其包 含以下步骤： [0007](1)获取并筛 选出含目标物、 无云的高分卫星影 像； [0008](2)对高分卫星影 像进行正 射校正， 获得影 像中每个像素准确的经纬度； [0009](3)利用高轨静止卫星大气产品为高分卫星影像匹配同时空的气溶胶光学厚度、 柱水汽含量等大气参数， 对高分卫星影像进行基于辐 射传输模型 的大气辐 射校正， 得到大 气校正后的高分卫星影 像， 即地表反射 率影像； [0010](4)将大气校正后的多光谱影像和全色影像进行图像融合， 将高空间分辨率卫星 的多光谱影 像提升至与全色影 像相同的空间分辨 率； [0011](5)将大气校正及融合处理后的高分卫星影像进行目标样本标注， 并将标注的样 本数据分为训练集、 验证集和 测试集； [0012](6)将标注的样本数据输入深度学习网络中调整参数进行训练、 验证， 获得训练完 毕的深度学习模型， 利用深度学习模型对测试集进行目标检测， 得到目标检测结果精度； [0013]进一步， 所述步骤(3)以大气辐射校正为主要手段的遥感影像定量化 处理， 为深度说　明　书 1/2 页 3 CN 115457405 A 3