[发明专利]一种基于改进TransUnet网络的月球南极撞击坑检测方法

说明书

针对月球极区光照影响，难以通过图像处理方法对撞击坑进行提取，并且数字高程模型(DEM)无法提取小型撞击坑的问题，本发明基于自然语言处理Transformer模型和图像分割卷积网络UNet+模型，提出了一种应用于未来月球南极感兴趣区域的小型陨石坑提取算法AM‑TransUNet+。该算法基于月球勘测轨道器窄角相机影像(LRO‑NAC,0.5m/pixel)，在核心TransUNet模型中加入卷积块注意模块和深度可分离卷积，可进一步加快模型收敛速度和提升精度，并且训练参数的数量大大减少，而不会降低模型的准确性。并通过火星表面图像和水星表面图像对算法的精度进行验证，实验结果表明，AM‑TransUNet+算法可以在不同深空探测遥感数据中表现更好的可迁移性和准确度。

技术领域

本发明涉及遥感影像处理技术领域，具体涉及一种基于改进TransUnet网络的月球南极撞击坑检测方法。

背景技术

撞击坑作为月表最显著的地貌形态，其种类繁多、形状各异，表现出大小不一、聚集程度不均的环形凹坑构造。对撞击坑的研究，不仅可以推测月球表面的相对地质年龄、地表特性、反演水冰存在，还可应用于航天器定位导航、月面基地选址、月面路径避障等。

近年来，世界上许多国家都制定了月球探测计划，撞击坑的准确、快速识别一直是深空探测领域研究的重点，诸多研究学者也提出了一系列月球表面陨石坑提取算法(Crater Detection Algorithm，CDA)，其发展历程如图1所示。根据这些算法的数据来源不同，可将这些方法大致分为两类：基于光学传感器观察到的月球表面图像，以及通过激光高度计扫描得到的数字高程模型(DEM)。其中，Silburt基于月球勘测轨道器(LRO)、月亮女神探测器(Kaguya)的DEM数据，利用Keras和Tensorflow构建和训练U-Net分割模型，利用跳跃连接实现底层特征和高层特征之间的信息融合，结合Povilaitis(陨石坑直径5-20公里)和Head(陨石坑直径20km)数据库，识别近92％的陨石坑。王怡然等开发了一种基于DEM的CDA，用于LOLA DEM，检测具有3D形态特征(如边缘高度、内部坡度和深度)的撞击坑，构建的陨石坑数据集(LU1319373)超过1公里的100万个陨石坑，检测率约为85％。Salih等人基于月球勘测轨道器窄角相机影像(LRO NAC)，利用YOLOv3在不同光照程度的六个中纬度区域进行撞击坑检测，在此基础上研究了撞击坑的退化特征。Yang等人基于LRO NAC图像，用域自适应(DA)来有效地检测未标注的真实数据样本，并提出一种新的网络CraterDANet，对嫦娥四号着陆区撞击坑进行提取，并建立一个新的月球撞击坑数据集，包含20,000个撞击坑。

由于光学传感器观察到的图像的高分辨率，可以对小型撞击坑进行检测。然而，光学传感器容易受到光照的影响，因此难以通过图像处理对陨石坑进行分类。例如，在恶劣的照明条件下，陨石坑要么不可见，要么仅部分可见。由于DEM提供了高度信息，因此可以通过使用阈值过滤方法找到陨石坑。但是DEM的分辨率较低，因此可能无法显示小陨石坑。综上所述，虽然现有技术中已经公开了不同尺度的陨石坑探测方法，然而针对那些直径为米或百米级的小尺度陨石坑仍存在以下问题：

1.与中低纬度地区不同，月球南极地形起伏大，阴影范围大且动态变化，光照条件极度不均，高分辨率图像比低分辨率的DEM更适合检测米级的小规模陨石坑。然而，目前研究仅仅针对中低纬度区域进行实验，提取月球极区的小型撞击坑具有挑战性。

2.监督方法从需要大量样本的标记训练数据集合中学习特征。为了获得良好的检测结果，需要很好的人工标记训练数据来适应各种条件，例如地形、光照条件、退化等。

3.深度学习方法在检测多尺度陨石坑的准确性和可靠性方面取得了突破，特别是对于甚至全球范围内的大尺度陨石坑，但在检测小尺度陨石坑方面并没有出色的表现。原因是顶层神经元感受野大，小尺度目标的信息保存不完整。

发明内容