本发明公开了一种处理双时相遥感图像变化的多尺度特征交互网络实现方法,通过构建双时态同源的全局导引特征,在图像尺寸恢复前整合丰富的双时态深层特征,包括以下步骤:S1,构建多尺度特征交互网络模型,所述多尺度特征交互网络模型包括编码模块和解码模块,所述编码模块负责特征提取,所述解码模块负责特征尺寸的恢复;S2,将变化检...
其中的双路径图像分割模型首先使用具有transformer结构的上下文特征提取网络对长距离空间依赖性建模，再使用短程空间特征提取网络提取特征图的静态上下文和动态上下文特征，最后使用通道空间聚合模块CSM1和CSM2，对分别来自两个路径、不同层次的特征信息进行自适应聚合，选择性地强调相互依赖的特征图，增强了网络的特征交互能力。
11.步骤2、构建由主干网络、特征融合部分、上采样部分以及多层监督部分组成的多尺度特征交互网络模型,以预测多聚焦图像中各像素的聚焦属性,得到聚焦图; 12.步骤2.1、所述主干网络由n个尺度的卷积层级联而成,n个卷积层分别记为{stage n |n=1,...n};当n=1时,第1级卷积层stage1由1个卷积核大小为p的二维卷积...
摘要:本发明公开了一种基于多尺度特征交互网络的多聚焦图像融合方法,其步骤包括:1,将一对彩色多聚焦源图像进行通道连接并输入到设计的多尺度特征交互网络(MSFIN)以生成表示像素聚焦属性的聚焦图;2,对聚焦图进行二值化(即高于阈值的像素值设为1,反之记为0)得到初始决策图,并采用全连接条件随机场(FC‑CRF)细化初...
伪装目标检测是一项在复杂场景中定位和识别伪装目标的任务.目前基于深度神经网络的方法已初步运用,但在复杂场景下遇到干扰时,许多方法无法充分利用目标的多级特征来提取丰富的语义信息,仅依靠固定尺寸特征识别伪装目标.为解决这一问题,本文提出了一种基于多尺度特征融合交互的伪装目标检测网络.该网络包含两个创新设计:多尺...