[發明專利]一種高分辨率遙感圖像中多朝向艦船目標檢測與識別方法在審
| 申請號: | 201810075285.3 | 申請日: | 2018-01-26 |
| 公開(公告)號: | CN108319949A | 公開(公告)日: | 2018-07-24 |
| 發明(設計)人: | 張志超;張可;董文莉;王翰晨;喻金桃;馬強;劉忠麟 | 申請(專利權)人: | 中國電子科技集團公司第十五研究所 |
| 主分類號: | G06K9/20 | 分類號: | G06K9/20;G06N3/04 |
| 代理公司: | 工業和信息化部電子專利中心 11010 | 代理人: | 李勤媛 |
| 地址: | 100083 北*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 艦船目標 高分辨率 遙感圖像 檢測 卷積神經網絡 復雜場景 檢測結果 目標檢測 網絡結構 傳統的 大尺度 多維度 小樣本 淺層 尺度 | ||
1.一種高分辨率遙感圖像中多朝向艦船目標檢測與識別方法,其特征在于,包括:
步驟1,對遙感圖像中的艦船目標標注多角度矩形框,并保存艦船目標的原始標注信息,所述原始標注信息包括:所述多角度矩形邊框在所述遙感圖像中的中心點位置、長寬和朝向角度;
步驟2,對經過標注的遙感圖像進行數據增廣處理,采用深度學習網絡模型輸入所需大小的滑動窗口在經過數據增廣處理的遙感圖像上重疊地的滑動,將包含有效艦船目標的滑動窗口的圖像裁剪下來,并基于所述原始標注信息對裁剪的所述圖像中的艦船目標自動標注該艦船目標的多角度矩形框在裁剪的所述圖像中的中心點位置、長寬以及朝向角度,得到所述艦船目標的相對標注信息;
步驟3,基于裁剪的所述圖像以及所述圖像中的艦船目標的相對標注信息以及深度學習網絡模型訓練出艦船目標檢測和識別模型;
步驟4,采用深度學習網絡模型輸入所需大小的滑動窗口在步驟1的所述遙感圖像上重疊地的滑動,將包含有效艦船目標的滑動窗口的圖像裁剪下來,將裁剪下來的圖像輸入所述艦船目標檢測和識別模型中預測出該圖像中每個艦船目標的多角度矩形框位置和類別置信度,根據該圖像在步驟1的所述遙感圖像上的位置將該圖像中每個艦船目標的多角度矩形框位置映射到步驟1的所述遙感圖像中;將所有裁剪下來的圖像中相同艦船目標對應的多角度矩形框位置和類別置信度合并得到最終的檢測結果。
2.根據權利要求1所述的高分辨率遙感圖像中多朝向艦船目標檢測與識別方法,其特征在于,所述步驟1,包括:
對任一艦船目標,首先沿著該艦船目標的一個長邊畫一條線段作為標注的多角度矩形框的長邊,然后在船的另一長邊上任取一點作為標注矩形框的寬,并根據已標注的長和寬將多角度矩形框補全得到原始標注結果;
每個艦船目標的原始標注信息包含多角度矩形框的以下幾個屬性:多角度矩形框中心點位置的直角坐標,多角度矩形框的長和寬、以及多角度矩形框長邊與直角坐標系x軸的夾角即朝向角度,可選的,每個目標的原始標注信息還包含多角度矩形框的四個頂點的直角坐標。
3.根據權利要求1所述的高分辨率遙感圖像中多朝向艦船目標檢測與識別方法,其特征在于,在所述步驟2中,對經過標注的遙感圖像進行數據增廣處理,包括:
對經過標注的遙感圖像進行以下一種或多種操作:旋轉、縮放、仿射變換、色彩調整、對比度調整、飽和度調整;
所述深度學習網絡模型,包括:VGG16、GoogLeNet或ResNet。
4.根據權利要求1所述的高分辨率遙感圖像中多朝向艦船目標檢測與識別方法,其特征在于,在所述步驟2中,滑動窗口的圖像中是否包含有效艦船目標的判斷方式,包括:
判斷滑動窗口內任一艦船目標j的面積交比R=Sj/S是否大于設定的比值,若是,則判定滑動窗口的圖像中包含有效艦船目標,否則滑動窗口的圖像中不包含有效艦船目標;
其中,Sj表示任一艦船目標j的多角度矩形框在滑動窗口內的區域面積,S表示任一艦船目標j的多角度矩形框的面積。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中國電子科技集團公司第十五研究所,未經中國電子科技集團公司第十五研究所許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810075285.3/1.html,轉載請聲明來源鉆瓜專利網。





