(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210335699.1 (22)申请日 2022.04.01 (65)同一申请的已公布的文献号 申请公布号 CN 114550009 A (43)申请公布日 2022.05.27 (73)专利权人 中国科学院空天信息创新研究院 地址 100190 北京市海淀区北四环西路19 号 (72)发明人 王乾通　胡玉新　潘宗序　韩冰　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 专利代理师 周天宇 (51)Int.Cl. G06V 20/13(2022.01) G06V 10/774(2022.01)G06V 10/762(2022.01) G06V 10/26(2022.01) G06V 10/28(2022.01) (56)对比文件 CN 111368865 A,2020.07.0 3 CN 112733589 A,2021.04.3 0 CN 114187459 A,202 2.03.15 CN 10980 0884 A,2019.0 5.24 CN 111242948 A,2020.0 6.05 伦淑娴等.“基于罚函数内点法的泄 露积分 型回声状态网的参数优化 ”. 《自动化学报》 .2017,第43卷(第7期), 审查员 姚希 (54)发明名称 星载遥感图像的轻量化目标检测方法、 装 置、 设备及 介质 (57)摘要 本发明提供一种星载遥感图像的轻量化目 标检测方法， 包括： 获取第一训练样本集， 其中， 第一训练样 本集包括历史星 载遥感图像； 采用第 一训练样本集对初始检测模型的模型参数进行 训练， 以学习星载遥感图像的特征， 得到第一检 测模型； 其中， 训练过程中以模型参数的倒数为 约束条件来约束模型参数的分布； 从第一训练样 本集获取代表 性样本集， 利用代表 性样本集对第 一检测模型的模 型参数进行量化， 得到第二检测 模型； 将待检测的星 载遥感图像输入第二检测模 型， 以输出目标检测结果。 本发明还提供一种星 载遥感图像的轻量化目标检测装置、 电子设备及 计算机可读存 储介质。 权利要求书2页 说明书8页 附图5页 CN 114550009 B 2022.12.06 CN 114550009 B 1.一种星载遥感图像的轻量 化目标检测方法， 其特 征在于， 包括： 获取第一训练样本集， 所述第一训练样本集包括历史星载遥感图像； 采用所述第 一训练样本集对初始检测模型的模型参数进行训练， 以学习所述星载遥感 图像的特征， 得到第一检测模型； 其中， 训练过程中以所述模 型参数的倒数为约束 条件来约 束所述模型参数 的分布， 具体包括： 将所述模型参数 的倒数乘以一个趋于零的系 数后加入 训 练 所 需 的 损 失 函 数 ，以 约 束 所 述 模 型 参 数 的 分 布 ，所 述 损 失 函 数 为 其中， ω为所述模型参数， α 设置为一个接近于0的小数， x是模型输入， fω(·)是模型， gt是模型理想预测值， ∑| |fω(x)‑gt||随具体训练任务而定； 从所述第一训练样本集获取代表性样本集， 利用所述代表性样本集对所述第 一检测模 型的模型参数进行量 化， 得到第二检测模型； 对待检测的星载遥感图像的灰度进行分段拉伸， 以使拉伸后的待检测的星载遥感图像 的灰度分布趋 近于所述代 表性样本集中历史星载遥感图像的灰度分布； 将拉伸后的待检测的星载遥感图像输入所述第二检测模型， 以输出目标检测结果。 2.根据权利要求1所述的星载遥感图像的轻量化目标检测方法， 其特征在于， 所述对待 检测的星载遥感图像的灰度进行分段拉伸包括： 获取所述待检测的星载遥感图像的灰度分割阈值； 分别计算所述待检测的星载遥感图像中灰度高于所述灰度分割阈值的第一灰度均值 和灰度低于所述灰度分割阈值的第二灰度均值； 分别计算所述代表性样本集中历史星载遥感图像亮区对应的第三灰度均值和暗区对 应的第四灰度均值； 根据所述第一灰度均值、 第二灰度均值、 第三灰度均值和第 四灰度均值对所述待检测 的星载遥感图像各像素的灰度进行映射。 3.根据权利要求2所述的星载遥感图像的轻量化目标检测方法， 其特征在于， 所述根据 所述第一灰度均值、 第二灰度均值、 第三灰度均值和第四灰度均值对所述待检测的星载遥 感图像各像素的灰度进行映射包括： 设定第一灰度值和第二灰度值， 所述第一灰度值小于第二灰度值； 根据所述第 一灰度值和所述第 二灰度值将所述待检测的星载遥感图像分为低亮度 段、 中亮度段和高亮度段； 根据所述第一灰度均值、 第二灰度均值、 第三灰度均值和第 四灰度均值分别对低亮度 段、 中亮度段和高亮度段中各像素的灰度进行映射。 4.根据权利要求3所述的星载遥感图像的轻量化目标检测方法， 其特征在于， 根据 所述 第一灰度均值、 第二灰度均值、 第三灰度均值和 第四灰度均值分别对低亮度段、 中亮度段和 高亮度段中各像素的灰度进行映射包括： 根据 权　利　要　求　书 1/2 页 2 CN 114550009 B 2分别对低亮度段、 中亮度段和高亮度段中各像素的灰度进行映射， 其中， R为映射后的 灰度值， p为映射前的灰度值， P_L为所述第一灰度均值， P_D为所述第二灰度均值， R_L为所 述第三灰度均值， R_D为所述第四灰度均值， min为待检测的星 载遥感图像中的最小灰度值， max为待检测的星载遥感图像中的最大 灰度值。 5.根据权利要求2所述的星载遥感图像的轻量化目标检测方法， 其特征在于， 采用最大 类间方差阈值分割算法获取 所述待检测的星载遥感图像的灰度分割阈值。 6.一种星载遥感图像的轻量 化目标检测装置， 其特 征在于， 包括： 获取模块， 用于获取第一训练样本集， 其中， 所述第 一训练样本集包括历史星载遥感图 像； 训练模块， 用于采用所述第一训练样本集对初始检测模型的模型参数进行训练， 以学 习所述星载遥感图像的特征， 得到第一检测模型； 其中， 训练过程中以所述模型参数的倒数 为约束条件来约束所述模型参数 的分布， 具体包括： 将所述模型参数 的倒数乘以一个趋于 零的系数后加入训练所需的损失函数， 以约束所述模型参数的分布， 所述损失函数为 其中， ω为所述模型参数， α 设置为一个接近于0的小数， x是模型输入， fω(·)是模型， gt是模型理想预测值， ∑| |fω(x)‑gt||随具体训练任务而定； 量化模块， 用于从所述第一训练样本集获取代表性样本集， 利用所述代表性样本集对 所述第一检测模型的模型参数进行量 化， 得到第二检测模型； 拉伸模块， 用于对待检测的星载遥感图像的灰度进行分段拉伸， 以使拉伸后的待检测 的星载遥感图像的灰度分布趋 近于所述代 表性样本集中历史星载遥感图像的灰度分布； 检测模块， 用于将拉伸后的待检测的星载遥感图像输入所述第二检测模型， 以输出目 标检测结果。 7.一种电子设备， 其特 征在于， 包括： 一个或多个处 理器； 存储器， 用于存 储一个或多个程序， 其中， 当所述一个或多个程序被所述一个或多个处理器执行时， 使得所述一个或多个 处理器实现权利要求1至 5中任一项所述的方法。 8.一种计算机可读存储介质， 其特征在于， 其上存储有可执行指令， 该指令被处理器执 行时使处 理器实现权利要求1至 5中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114550009 B 3