[發明專利]基于稠密目標特征學習的光學遙感圖像目標檢測方法

有效

• 申請號: 201810112426.4
• 申請日: 2018-02-05
• 公開（公告）號: CN108427912B
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 焦李成;劉芳;程林;屈嶸;唐旭;陳璞花;古晶;郭雨薇;張夢旋;侯彪;楊淑媛
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

本發明公開了一種基于稠密目標特征學習的光學遙感圖像目標檢測方法，主要解決現有技術中深層卷積導致小目標信息被過濾掉的問題。本發明的具體步驟如下：(1)搭建一個共25層的稠密目標特征網絡并設置每層參數；(2)構造訓練樣本集和訓練類標集；(3)獲取稠密目標特征網絡的深淺特征；(4)對稠密目標特征網絡的深淺特征進行融合；(5)獲取目標候選框特征集；(6)進行稠密池化；(7)構造測試樣本集；(8)對測試樣本集進行檢測。本發明具有對光學遙感圖像的深淺特征提取好，目標檢測的精度高的優點。

技術領域

本發明屬于圖像處理技術領域，更進一步涉及光學遙感圖像目標檢測技術領域中的一種基于稠密目標特征學習的光學遙感圖像目標檢測方法。本發明可應用于對光學遙感圖像的不同區域內的地物目標進行識別和檢測。

背景技術

目標檢測技術是計算機視覺領域的核心問題之一，遙感目標檢測是以遙感衛星捕捉到的影像為數據源，采用圖像處理技術對影像中感興趣目標進行定位和分類。遙感目標檢測是遙感應用技術中重要的一環，可以在高科技軍事對抗中，捕捉攻擊目標，提供精確的位置信息等，在軍事領域有至關重要的意義。

隨著遙感技術的進一步發展，所獲得的光學遙感數據也越來越豐富。如何對圖像做出快速而準確的解譯，如何有效地對目標進行分類或檢測，已成為迫切需要解決的一個難題。

Shaoqing Ren在其發表的論文“Faster R-CNN:Towards Real-Time ObjectDetection with Region Proposal Networks”(神經信息處理系統進展大會NIPS(NeuralInformation Processing Systems蒙特利爾國際會議論文2015年)中提出了一種基于區域生成網絡RPN(Region Proposal Networks)的目標檢測方法。該方法首先利用基礎網絡VGG-16卷積特征層來生成候選區域，即訓練區域生成網絡RPN，快速的生成高質量的候選框，取代了原來的選擇性搜索SS(Selective Search)；然后根據預測的高質量的候選框，在卷積的高級語義特征上進行感興趣區域ROI(Region of Interest)池化，將池化后的特征接全連接層，分別預測候選框的類別和位置偏移；最后根據位置偏移、候選框以及類別進行非極大值抑制NMS(Non Maximum Suppression)，得到最后的檢測結果。該方法能夠準確豐富的表示目標的特征，并且能夠很好地提取目標候選框，通過共享卷積參數減少候選框提取時間等優點，但是，該方法仍然存在的不足之處是，由于小目標的信息經過卷積層特征提取和感興趣區域ROI池化后被過濾掉了，只能檢測較大尺度的目標，對于密集小目標的檢測準確率偏低。

中國科學院大學在其申請的專利文獻“一種基于深度學習的魯棒性艦船目標檢測方法”(專利申請號：CN201710677418.X，公開號：CN107563303A)中提出了一種深度學習的遙感圖像目標檢測方法。該方法首先對訓練樣本進行處理并訓練，得到訓練分類器；之后對待檢測的遙感圖像進行預處理并進行海陸分割，得到海陸分割區域，并對不存在艦船的岸上區域進行遮擋；然后訓練特征提取網絡，結合海陸分割區域的旋轉不變深度特征，通過多層卷積得到特征圖并用深層卷積預測目標；最后利用分類激活特征圖的方法得到艦船這一類別的響應圖，對得到的響應圖求連通域，得到初步檢測框，對艦船的參數進行估計，得到帶有檢測框的結果圖。該方法通過訓練分類器進行海陸分離來輔助遙感圖像的特征進行檢測，能夠預測魯棒性的目標檢測的結果，減少由并排擺放引發的艦船漏檢，但是，該方法仍然存在的不足之處是，由于要使用多層卷積獲取特征圖并用深層卷積預測目標，未考慮目標的多尺度特征而導致目標信息利用不充分，導致密集小目標的檢測效果并不理想。

發明內容

本發明的目的是針對上述現有技術的不足，提出一種基于稠密目標特征學習的光學遙感圖像目標檢測方法。本發明與現有其他光學遙感圖像目標檢測方法相比，能夠提取出光學遙感圖像的深層特征和淺層特征的融合特征，使用融合處理后的圖像特征提取出目標候選框特征集，再對目標候選框特征集進行稠密池化，可得到較高的光學遙感圖像小目標檢測精度。