(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 202210504121.4 (22)申请日 2022.05.10 (71)申请人 北京大学 地址 100871 北京市海淀区颐和园路5号 (72)发明人 齐峰　贾沛东　杨帆　贾惠柱　 解晓东　高文　 (74)专利代理 机构 北京辰权知识产权代理有限 公司 11619 专利代理师 付婧 (51)Int.Cl. G06V 10/25(2022.01) G06V 20/10(2022.01) G06V 10/74(2022.01) G06V 10/80(2022.01) G06V 10/26(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) (54)发明名称 遥感图像中感兴趣区域的筛选方法、 装置、 设备及介质 (57)摘要 本申请公开了一种遥感图像中感兴趣区域 的筛选方法、 装置、 设备及介质， 方法包括： 根据 目标检测算法检测遥感图像中的感兴趣目标， 并 生成目标包围框， 根据目标包围框得到一个或多 个第一感兴趣区域； 根据区域显著性检测算法检 测遥感图像中的显著性区域， 得到一个或多个第 二感兴趣区域； 将相似度大于预设阈值的第一感 兴趣区域和第二感兴趣区域进行融合， 得到融合 后的感兴趣区域； 对融合后的感兴趣区域以及未 融合的第一感兴趣区域、 第二 感兴趣区域进行相 对重要性排序， 根据排序结果得到筛选出来的感 兴趣区域。 该方法可以准确快速地从大幅面遥感 图像中提取出感兴趣区域， 并进行传输， 在不丢 失重要信息的前提下实现30 ‑50倍的压缩， 大幅 降低对带宽的要求。 权利要求书2页 说明书11页 附图5页 CN 115082668 A 2022.09.20 CN 115082668 A 1.一种遥感图像中感兴趣区域的筛 选方法， 其特 征在于， 包括： 根据目标检测算法检测遥感图像中的感兴趣目标， 并生成目标包围框， 根据所述目标 包围框得到一个或多个第一感兴趣区域； 根据区域显著性检测算法检测所述遥感图像中的显著性 区域， 得到一个或多个第 二感 兴趣区域； 将相似度 大于预设阈值的第 一感兴趣区域和第 二感兴趣区域进行融合， 得到融合后的 感兴趣区域； 对融合后的感兴趣区域以及未融合的第 一感兴趣区域、 第 二感兴趣区域进行相对重要 性排序， 根据排序结果得到 筛选出来的感兴趣区域。 2.根据权利要求1所述的方法， 其特征在于， 根据 所述目标包围框得到一个或多个第 一 感兴趣区域， 包括： 对所述目标包围框按照预设比例放大， 得到放大后的目标包围框； 判断所述 放大后的目标包围框是否相交， 将相交的放大后的目标包围框进行合并； 判断所述放大后的目标包围框的边长是否大于预设阈值， 且判断边长大于预设阈值的 两个放大后的目标包围框的距离是否小于预设阈值； 若放大后的目标包围框的边长大于预设阈值， 且边长大于预设阈值的两个放大后的目 标包围框的距离小于预设阈值， 则将两个放大后的目标包围框进行合并； 根据合并后的目标包围框生成一个或多个第一感兴趣区域。 3.根据权利要求1所述的方法， 其特征在于， 根据区域显著性检测算法检测所述遥感图 像中的显著性区域， 得到一个或多个第二感兴趣区域， 包括： 将所述遥感图像输入区域显著性检测模型， 得到检测出来的一个或多个不规则 显著性 图； 将所述不规则显著性图中大于等于分割阈值的像素保留， 小于分割阈值的像素去 除， 得到规则的分割边界； 根据所述 规则的分割边界得到一个或多个第二感兴趣区域。 4.根据权利要求3所述的方法， 其特征在于， 将所述遥感图像输入区域显著性检测模 型， 得到检测出来的一个或多个不 规则显著性图， 包括： 将所述遥感图像输入所述区域显著性检测模型， 通过双线性差值以及随机裁剪缩小所 述遥感图像， 得到缩小后的遥感图像； 将所述缩小后的遥感图像输入 全卷积神经网络， 得到预测出来的粗 糙显著性图； 将所述粗糙显著性图以及待检测的遥感图像输入残差精炼模块， 得到检测出来的一个 或多个不 规则显著性图。 5.根据权利要求1所述的方法， 其特征在于， 将相似度大于预设阈值的第 一感兴趣区域 和第二感兴趣区域进行融合， 得到融合后的感兴趣区域， 包括： 计算所述第 一感兴趣区域和第 二感兴趣区域的交并比， 根据所述交并比得到所述相似 度； 将所述相似度 大于预设阈值的第 一感兴趣区域和第 二感兴趣区域进行融合， 将所述第 二感兴趣区域的包围框作为融合后的感兴趣区域的包围框 。 6.根据权利要求1所述的方法， 其特征在于， 对融合后的感兴趣区域以及未融合的第 一权　利　要　求　书 1/2 页 2 CN 115082668 A 2感兴趣区域、 第二感兴趣区域进行相对重要性排序， 根据排序结果得到筛选出来的感兴趣 区域， 包括： 根据待筛选的感兴趣区域中的目标类别， 获取融合后的感兴趣区域以及未融合的第 一 感兴趣区域、 第二感兴趣区域中含有相同目标类别的感兴趣区域； 计算含有相同目标类别的感兴趣区域的置信度； 根据所述置信度对所述含有相同目标类别的感兴趣区域进行从大到小排序， 将排在前 面的预设数量个感兴趣区域作为筛 选出来的感兴趣区域。 7.根据权利要求6所述的方法， 其特征在于， 计算含有相同目标类别的感兴趣区域的置 信度， 包括： 根据如下公式计算所述置信度： 其中， W1、 W2、 W3、 W4表示权重参数， PNroi表示显著性检测中区域前景像素， PNori表示被检 测图像的像素， Ts表示显著性检测中的置信阈值， scorei表示目标检测中第i个目标的置信 度， Sroi表示目标检测中包围框中目标的数量， Sori表示目标检测中包围框的面积。 8.一种遥感图像中感兴趣区域的筛 选装置， 其特 征在于， 包括： 第一检测模块， 用于根据目标检测算法检测遥感图像中的感兴趣目标， 并生成目标包 围框， 根据所述目标包围框得到一个或多个第一感兴趣区域； 第二检测模块， 用于根据区域显著性检测算法检测所述遥感图像中的显著性区域， 得 到一个或多个第二感兴趣区域； 融合模块， 用于将相似度大于预设阈值的第一感兴趣区域和第二感兴趣区域进行融 合， 得到融合后的感兴趣区域； 排序筛选模块， 用于对融合后的感兴趣区域以及未融合的第一感兴趣区域、 第二感兴 趣区域进行相对重要性 排序， 根据排序结果得到 筛选出来的感兴趣区域。 9.一种电子设备， 其特征在于， 包括处理器和存储有程序指令的存储器， 所述处理器被 配置为在执行所述程序指 令时， 执行如权利要求 1至7任一项 所述的遥感图像中感兴趣区域 的筛选方法。 10.一种计算机可读介质， 其特征在于， 其上存储有计算机可读指令， 所述计算机可读 指令被处理器执行以实现如权利要求1至7任一项所述的一种遥感图像中感兴趣区域的筛 选方法。权　利　要　求　书 2/2 页 3 CN 115082668 A 3