[發(fā)明專(zhuān)利]基于稠密目標(biāo)特征學(xué)習(xí)的光學(xué)遙感圖像目標(biāo)檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810112426.4
• 申請(qǐng)日: 2018-02-05
• 公開(kāi)（公告）號(hào): CN108427912B
• 公開(kāi)（公告）日: 2020-06-05
• 發(fā)明（設(shè)計(jì)）人: 焦李成;劉芳;程林;屈嶸;唐旭;陳璞花;古晶;郭雨薇;張夢(mèng)旋;侯彪;楊淑媛
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西安電子科技大學(xué)
• 主分類(lèi)號(hào): G06K9/00
• 分類(lèi)號(hào): G06K9/00;G06K9/62;G06N3/04
• 代理公司: 陜西電子工業(yè)專(zhuān)利中心 61205
• 代理人: 田文英;王品華

1.一種基于稠密目標(biāo)特征學(xué)習(xí)的光學(xué)遙感圖像目標(biāo)檢測(cè)方法，其特征在于，該方法是對(duì)光學(xué)遙感圖像在稠密目標(biāo)特征網(wǎng)絡(luò)的深淺特征進(jìn)行融合處理，使用融合處理后的圖像特征對(duì)待檢測(cè)目標(biāo)候選框特征集進(jìn)行稠密池化，將稠密池化后多個(gè)目標(biāo)特征連接起來(lái)，對(duì)光學(xué)遙感圖像中的飛機(jī)和艦船目標(biāo)進(jìn)行分類(lèi)和回歸，該方法的具體步驟包括如下：

(1)搭建一個(gè)25層的稠密目標(biāo)特征網(wǎng)絡(luò)并設(shè)置網(wǎng)絡(luò)的每層參數(shù)；

(2)構(gòu)造訓(xùn)練樣本集和訓(xùn)練類(lèi)標(biāo)集：

(2a)從遙感衛(wèi)星上實(shí)時(shí)接收的光學(xué)遙感影像中，隨機(jī)選取含有飛機(jī)和艦船目標(biāo)的6幀不連續(xù)的光學(xué)遙感圖像，作為待訓(xùn)練光學(xué)遙感圖像；

(2b)以待訓(xùn)練的每一幀光學(xué)遙感圖像中每個(gè)飛機(jī)和艦船的目標(biāo)的中心位置為切割中心點(diǎn)，切割出400×400×3和600×600×3的兩個(gè)小區(qū)域，將所有飛機(jī)和艦船的目標(biāo)切割出的兩個(gè)小區(qū)域組成切割小區(qū)域，將所有切割小區(qū)域中所有遙感圖像的像素組成訓(xùn)練樣本集；

(2c)將待訓(xùn)練的光學(xué)遙感圖像上的飛機(jī)和艦船的位置以及之對(duì)應(yīng)的類(lèi)別，均映射到所有切割小區(qū)域上的飛機(jī)和艦船的位置以及之對(duì)應(yīng)的類(lèi)別，將映射后所有飛機(jī)和艦船的目標(biāo)的位置和類(lèi)別組成小區(qū)域的類(lèi)標(biāo)，將所有切割小區(qū)域的類(lèi)標(biāo)組成訓(xùn)練類(lèi)標(biāo)集；

(3)獲取稠密目標(biāo)特征網(wǎng)絡(luò)的深淺特征：

將訓(xùn)練樣本集和訓(xùn)練類(lèi)標(biāo)集輸入到稠密目標(biāo)特征網(wǎng)絡(luò)，得到訓(xùn)練樣本集在稠密目標(biāo)特征網(wǎng)絡(luò)中的第十個(gè)卷積層的淺層細(xì)節(jié)特征和第一個(gè)上采樣層的深層高級(jí)語(yǔ)義特征；

(4)對(duì)稠密目標(biāo)特征網(wǎng)絡(luò)的深淺特征進(jìn)行融合：

(4a)將淺層細(xì)節(jié)特征和深層高級(jí)語(yǔ)義特征在通道上進(jìn)行疊加，得到在稠密目標(biāo)特征網(wǎng)絡(luò)中飛機(jī)和艦船目標(biāo)信息更豐富的融合的特征；

(4b)將融合后的特征輸入到稠密目標(biāo)特征網(wǎng)絡(luò)中進(jìn)行迭代訓(xùn)練，直至稠密目標(biāo)特征網(wǎng)絡(luò)的損失值小于預(yù)先設(shè)定的極小值0.0001，得到訓(xùn)練好的稠密目標(biāo)特征網(wǎng)絡(luò)；

(4c)將訓(xùn)練樣本集輸入到訓(xùn)練好的稠密目標(biāo)特征網(wǎng)絡(luò)中，得到目標(biāo)候選框集；

(5)獲取目標(biāo)候選框特征集：

(5a)將目標(biāo)候選框集中的每一個(gè)目標(biāo)候選框，同時(shí)映射到稠密目標(biāo)特征網(wǎng)絡(luò)中的第十個(gè)卷積層的特征圖、第十三個(gè)卷積層的特征圖和第一個(gè)上采樣層的特征圖上，將每個(gè)目標(biāo)候選框在三個(gè)特征圖上的特征，組成該目標(biāo)候選框的原始特征，將所有目標(biāo)候選框的原始特征組成該目標(biāo)候選框原始特征集；

(5b)將目標(biāo)候選框集中的每一個(gè)目標(biāo)候選框縮小0.8倍后，同時(shí)映射到稠密目標(biāo)特征網(wǎng)絡(luò)中的第十個(gè)卷積層的特征圖、第十三個(gè)卷積層的特征圖和第一個(gè)上采樣層的特征圖上，將每個(gè)目標(biāo)候選框縮小后的三個(gè)特征圖上的特征，組成目標(biāo)候選框的縮小特征，將所有目標(biāo)候選框的縮小特征，組成目標(biāo)候選框縮小特征集；

(6)進(jìn)行稠密池化：

(6a)利用面積比例公式，計(jì)算每一個(gè)目標(biāo)候選框的面積比例值，得到每個(gè)目標(biāo)候選框的面積比例值，設(shè)置閾值參數(shù)為0.1，將候選框的面積比例值小于閾值參數(shù)的該候選框原始特征集和該候選框縮小特征集進(jìn)行稠密連接池化，將候選框的面積比例值大于等于閾值參數(shù)的該候選框原始特征集進(jìn)行稠密連接池化；

(6b)將訓(xùn)練樣本集和訓(xùn)練類(lèi)標(biāo)集輸入稠密目標(biāo)特征網(wǎng)絡(luò)，得到最終訓(xùn)練好的網(wǎng)絡(luò)；

(7)構(gòu)造測(cè)試樣本集：

(7a)從遙感衛(wèi)星上實(shí)時(shí)接收的光學(xué)遙感影像中，再隨機(jī)選取含有飛機(jī)和艦船目標(biāo)的2幀不連續(xù)的光學(xué)遙感圖像，作為待檢測(cè)光學(xué)遙感圖像；

(7b)對(duì)每一幀待檢測(cè)的光學(xué)遙感圖像進(jìn)行重疊度為50的劃窗切塊，切割出400×400×3的所有小區(qū)域，將所有切割小區(qū)域中光學(xué)遙感圖像的像素組成測(cè)試樣本集；

(8)對(duì)測(cè)試樣本集進(jìn)行檢測(cè)：

(8a)將測(cè)試樣本集輸入到訓(xùn)練好的稠密目標(biāo)特征網(wǎng)絡(luò)中，得到測(cè)試樣本集中每個(gè)樣本的檢測(cè)框和置信度；

(8b)將每個(gè)樣本的檢測(cè)框和置信度映射到待檢測(cè)的光學(xué)遙感圖像中，對(duì)所有檢測(cè)框和與置信度進(jìn)行非極大值抑制處理，得到最終的光學(xué)遙感圖像檢測(cè)結(jié)果；

所述的非極大值抑制處理是指：對(duì)所有檢測(cè)框按照置信度從高到低進(jìn)行排序，保留檢測(cè)框之間重疊度低和置信度高的候選框，丟棄檢測(cè)框之間重疊度高和置信度低的候選框。