[發明專利]基于難樣本挖掘的機場檢測方法

有效

• 申請號: 201710314261.4
• 申請日: 2017-05-06
• 公開（公告）號: CN107665351B
• 公開（公告）日: 2022-07-26
• 發明（設計）人: 張浩鵬;姜志國;蔡博文;趙丹培;謝鳳英;史振威;尹繼豪;羅曉燕
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/771;G06K9/62;G06V10/46;G06N3/04
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 王鵬

本發明提供了一種基于難樣本挖掘的機場檢測方法，所述方法包括以下步驟：將光學遙感圖像與對應標注真值作為光學遙感圖像的訓練數據；候選區域提取網絡的訓練；區域分類網絡的訓練；候選區域提取與區域分類網絡的耦合訓練；基于難樣本挖掘的端到端深度卷積網絡的微調；端到端深度卷積神經網絡的機場檢測。將深度卷積神經網絡引入到遙感圖像機場檢測，不僅利用卷積網絡提取遙感圖像中目標的高層語義特征信息，通過高層語義特征篩選機場候選區域，同時還對候選區域是否為機場進行二次確認，提升遙感圖像中機場檢測的查全率與準確率。

技術領域

本發明涉及數字圖像處理技術領域，更具體的說是涉及一種基于難樣本挖掘的機場檢測方法。

背景技術

近年來，隨著遙感成像技術的提升，遙感數據量成爆炸式增長。針對海量的遙感數據，利用機器自動挖掘大數據中包含的關鍵信息，有利于將人們從繁瑣重復性地判別任務中解放出來，其中針對機場檢測問題，由于其在軍民兩方面都具有較強的應用性而受到了廣泛關注。

由于遙感圖像中旋轉角度、尺度、光照等因素的影響，使得機場檢測仍然是一個相當具有挑戰性的問題。目前大多數機場檢測方法都是先在全幅面的遙感圖像中提取機場候選區域，然后針對候選區域提取機場特有的幾何、紋理等底層特征用于確認該候選區域是否為機場。同時為了提升大幅面遙感圖像中機場檢測的速度與效率，部分方法將視覺中顯著性檢測的方法引入到機場檢測中，假定機場區域在遙感圖像中具有較高的顯著性，從而加速機場候選區域的定位過程。

然而，當前大多數機場檢測方法都是基于底層特征(如尺度不變的特征描述子SIFT等)或是基于人為設計機場特有的幾何特征來進行檢測，由于手動設計的特征泛化能力較差，難以滿足多尺度條件下的機場檢測的應用需求。

因此，如何提供一種基于難樣本挖掘的機場檢測方法是本領域技術人員亟需解決的問題。

發明內容

有鑒于此，本發明提供了一種基于難樣本挖掘的機場檢測方法，本發明將深度卷積神經網絡引入到遙感圖像機場檢測，不僅利用卷積網絡提取遙感圖像中目標的高層語義特征信息，通過高層語義特征篩選機場候選區域，同時還對候選區域是否為機場進行二次確認，提升遙感圖像中機場檢測的查全率與準確率。

為了達到上述目的，本發明采用如下技術方案：

一種基于難樣本挖掘的機場檢測方法，所述方法包括以下步驟：

將光學遙感圖像與對應標注真值作為所述光學遙感圖像的訓練數據；

候選區域提取網絡的訓練；

區域分類網絡的訓練；

候選區域提取與區域分類網絡的耦合訓練；

基于難樣本挖掘的端到端深度卷積網絡的微調；

端到端深度卷積神經網絡的機場檢測。

優選的，在上述基于難樣本挖掘的機場檢測方法中，所述將光學遙感圖像與對應標注真值作為所述光學遙感圖像的訓練數據的步驟具體包括：

對全幅面光學遙感圖像進行圖像標注，獲取全幅面光學遙感圖像中標注真值；

在標注的全幅面光學遙感圖中以250個像素為步長，滑動提取固定窗口大小的圖像數據，垂直、水平方向滑動次數分別記為row與col；根據全幅面光學遙感圖像標注真值，記錄滑動窗口截取到的機場區域圖像數據的真值框坐標；

滑動窗口中真值框坐標與所述全幅面光學遙感圖像中標注真值的關系表達式為：