本发明涉及图像数据处理，尤其涉及一种基于遥感图像的目标识别方法、装置、设备及介质。
背景技术：
1、随着卫星、无人机、地面调查车等数据采集平台的发展，目标检测和识别的数据源越来越丰富。遥感图像因具备覆盖范围大、周期性观测、远距离拍摄等优点，在目标识别方面具有广泛的应用前景，为城市规划、环境监测、资源管理、灾害管理等领域提供了重要的数据支持和决策依据。目前，基于遥感图像的目标识别主要包括：1、建筑物、道路和水体等典型地物；2、机场、港口、化工厂和学校等典型设施；3、飞机、舰船和车辆等典型状态；4、洪涝、干旱、滑坡和火灾等典型灾害。整个过程的识别内容单一，缺乏对系统的整体了解，且识别结果主要是位置和范围信息，缺乏深层次语义信息。
2、基于遥感图像的目标识别方法主要包括图像处理方法、机器学习方法和深度学习方法这三种。图像处理方法主要依赖于手工设计的特征提取，包括边缘检测、形态学操作、直方图分析和纹理分析等方法，这类方法直观性强、处理速度快、对计算资源要求低，但是对于复杂的目标和背景，难以有效分离和识别。机器学习方法依赖于统计模型和特征工程，包括支持向量机、决策树、随机森林和k-均值聚类等方法，这类方法灵活性高，但是对数据需求量大，且模型复杂度高。近年来，深度学习方法在基于遥感图像的目标识别中表现出色，尤其是卷积神经网络（convolutional neural networks，cnn），具有能处理复杂模式、泛化能力强等优点，但是同样存在对数据需求量大、计算资源消耗高、模型难以解释等缺点。
3、也就是说，现有的基于遥感图像的目标识别方法因具有一定的局限性，导致最终的识别结果缺乏深层次语义信息，即识别结果的准确性较低。
技术实现思路
1、本发明提供一种基于遥感图像的目标识别方法、装置、设备及介质，用以解决现有的基于遥感图像的目标识别方法因具有一定的局限性，导致最终的识别结果缺乏深层次语义信息，即识别结果的准确性较低的缺陷，通过多个分割掩码能够有效解决传统分割模型分割精度细碎和精度差的问题，以获得普适性较好的分割结果（即发射场坪图像）；再根据分割阈值，结合图斑形状特征，从发射场坪图像中，确定准确性较高的车辆状态图像，进而结合上述发射场坪图像，能够提取深层次目标情报语义，得到准确性和丰富性较高的目标识别结果。
2、本发明提供一种基于遥感图像的目标识别方法，包括如下步骤。
3、根据目标遥感图像对应的掩膜图像，确定多个分割掩码；并从所述掩膜图像中，确定所述多个分割掩码各自对应的图斑。
4、根据多个图斑各自对应的第一长宽比和第一面积，对所述多个图斑进行筛选，确定发射场坪图像。
5、根据所述发射场坪图像和分割阈值，结合图斑形状特征，确定车辆状态图像。
6、根据所述发射场坪图像和所述车辆状态图像，确定所述目标遥感图像对应的目标识别结果。
7、根据本发明提供的一种基于遥感图像的目标识别方法，所述根据多个图斑各自对应的第一长宽比和第一面积，对所述多个图斑进行筛选，确定发射场坪图像，包括：针对各图斑，根据所述图斑的外轮廓顶点，确定所述图斑的第一长宽比；并根据所述外轮廓顶点的投影坐标，确定所述图斑的第一面积；保留所述多个图斑中，满足第一筛选条件的第一长宽比且满足第二筛选条件的第一面积所对应的图斑，得到含有发射场坪特征的第一图像；其中，所述第一筛选条件和所述第二筛选条件是基于专家知识中的预设发射场坪特征确定的；采用多尺度掩码分类框架，对所述第一图像进行特征提取和增强，确定所述发射场坪图像。
8、根据本发明提供的一种基于遥感图像的目标识别方法，所述根据所述发射场坪图像和分割阈值，结合图斑形状特征，确定车辆状态图像，包括：确定所述发射场坪图像的灰度图，及所述灰度图中所有像素各自对应的灰度值；根据所有灰度值，确定灰度均值和灰度标准差；根据所述灰度均值和所述灰度标准差，确定所述分割阈值；保留所述所有像素中小于所述分割阈值的像素值所对应的像素，结合所述图斑形状特征，得到所述车辆状态图像。
9、根据本发明提供的一种基于遥感图像的目标识别方法，所述根据所述发射场坪图像和所述车辆状态图像，确定所述目标遥感图像对应的目标识别结果，包括：根据所述发射场坪图像，确定发射场坪的形状和配置方式；根据所述车辆状态图像，确定车辆状态的挂载方式；根据所述形状、所述配置方式和所述挂载方式，确定所述目标遥感图像对应的目标识别结果。
10、根据本发明提供的一种基于遥感图像的目标识别方法，所述根据所述图斑的外轮廓顶点，确定所述图斑的第一长宽比，包括：根据所述图斑的外轮廓顶点，确定所述图斑的中心点；将所述图斑绕所述中心点进行多次旋转，得到多个旋转后的图斑，并确定所述多个旋转后的图斑各自对应的包络矩形；根据多个包络矩形中面积最小的目标包络矩形，确定外接矩形；根据所述外接矩形，确定所述图斑的第一长宽比。
11、根据本发明提供的一种基于遥感图像的目标识别方法，所述多尺度掩码分类框架包括：稀疏卷积，及神经网络架构搜索模型中的最优层组合；所述采用多尺度掩码分类框架，对所述第一图像进行特征提取和增强，确定所述发射场坪图像，包括：采用所述稀疏卷积，对所述第一图像进行特征编码，得到第二图像；采用所述最优层组合，对所述第一图像进行特征提取和增强，得到第三图像；对所述第二图像和所述第三图像进行融合，得到所述发射场坪图像。
12、根据本发明提供的一种基于遥感图像的目标识别方法，所述根据所述车辆状态图像，确定车辆状态的挂载方式，包括：在所述车辆状态图像的第二面积满足第三筛选条件的情况下，确定所述车辆状态图像的第二长宽比；其中，所述第三筛选条件是基于专家知识中的预设车辆状态特征确定的；在所述第二面积满足第四筛选条件，或，所述第二长宽比满足第五筛选条件的情况下，将有牵引车挂载确定为所述车辆状态的挂载方式；其中，所述第四筛选条件和所述第五筛选条件是基于所述预设车辆状态特征确定的；在所述第二面积不满足所述第四筛选条件，且，所述第二长宽比不满足所述第五筛选条件的情况下，将无牵引车挂载确定为所述挂载方式。
13、本发明还提供一种基于遥感图像的目标识别装置，包括如下模块。
14、图像确定模块，用于根据目标遥感图像对应的掩膜图像，确定多个分割掩码；并从所述掩膜图像中，确定所述多个分割掩码各自对应的图斑；根据多个图斑各自对应的第一长宽比和第一面积，对所述多个图斑进行筛选，确定发射场坪图像；根据所述发射场坪图像和分割阈值，结合图斑形状特征，确定车辆状态图像。
15、目标识别模块，用于根据所述发射场坪图像和所述车辆状态图像，确定所述目标遥感图像对应的目标识别结果。
16、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一种所述基于遥感图像的目标识别方法。
17、本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于遥感图像的目标识别方法。
18、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于遥感图像的目标识别方法。
19、本发明提供的基于遥感图像的目标识别方法、装置、设备及介质，通过根据目标遥感图像对应的掩膜图像，确定多个分割掩码；并从所述掩膜图像中，确定所述多个分割掩码各自对应的图斑；根据多个图斑各自对应的第一长宽比和第一面积，对所述多个图斑进行筛选，确定发射场坪图像；根据所述发射场坪图像和分割阈值，结合图斑形状特征，确定车辆状态图像；根据所述发射场坪图像和所述车辆状态图像，确定所述目标遥感图像对应的目标识别结果。该方法通过多个分割掩码能够有效解决传统分割模型分割精度细碎和精度差的问题，以获得普适性较好的分割结果（即发射场坪图像）；再根据分割阈值，结合图斑形状特征，从发射场坪图像中，确定准确性较高的车辆状态图像，进而结合上述发射场坪图像，能够提取深层次目标情报语义，得到准确性和丰富性较高的目标识别结果。
1.一种基于遥感图像的目标识别方法，其特征在于，包括：
2.根据权利要求1所述的基于遥感图像的目标识别方法，其特征在于，所述根据多个图斑各自对应的第一长宽比和第一面积，对所述多个图斑进行筛选，确定发射场坪图像，包括：
3.根据权利要求1所述的基于遥感图像的目标识别方法，其特征在于，所述根据所述发射场坪图像和分割阈值，结合图斑形状特征，确定车辆状态图像，包括：
4.根据权利要求1-3任一项所述的基于遥感图像的目标识别方法，其特征在于，所述根据所述发射场坪图像和所述车辆状态图像，确定所述目标遥感图像对应的目标识别结果，包括：
5.根据权利要求2所述的基于遥感图像的目标识别方法，其特征在于，所述根据所述图斑的外轮廓顶点，确定所述图斑的第一长宽比，包括：
6.根据权利要求2所述的基于遥感图像的目标识别方法，其特征在于，所述多尺度掩码分类框架包括：稀疏卷积，及神经网络架构搜索模型中的最优层组合；所述采用多尺度掩码分类框架，对所述第一图像进行特征提取和增强，确定所述发射场坪图像，包括：
7.根据权利要求4所述的基于遥感图像的目标识别方法，其特征在于，所述根据所述车辆状态图像，确定车辆状态的挂载方式，包括：
8.一种基于遥感图像的目标识别装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述基于遥感图像的目标识别方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于遥感图像的目标识别方法。
