[發(fā)明專利]候選區(qū)快速篩選與尺度自適應(yīng)的深度網(wǎng)絡(luò)艦船目標(biāo)檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810571979.6
• 申請(qǐng)日: 2018-05-31
• 公開（公告）號(hào): CN108898065B
• 公開（公告）日: 2021-08-13
• 發(fā)明（設(shè)計(jì)）人: 侯鑫;李波;趙鵬;韓傳釗;俞文勇
• 申請(qǐng)（專利權(quán)）人: 北京航空航天大學(xué);北京市遙感信息研究所
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京金恒聯(lián)合知識(shí)產(chǎn)權(quán)代理事務(wù)所 11324
• 代理人: 李強(qiáng)

本發(fā)明公開了一種候選區(qū)快速篩選與尺度自適應(yīng)的深度網(wǎng)絡(luò)艦船目標(biāo)檢測(cè)方法。該方法首先利用三個(gè)尺度的全卷積網(wǎng)絡(luò)對(duì)原始輸入圖像進(jìn)行卷積，得到基于概率分布的特征圖譜，并對(duì)該特征圖譜進(jìn)行坐標(biāo)映射，獲得艦船目標(biāo)候選區(qū)域。然后通過(guò)空間金字塔采樣SPP操作將不同尺寸的艦船候選區(qū)域特征統(tǒng)一成固定長(zhǎng)度表達(dá)。最后分別通過(guò)分類器和回歸器進(jìn)行虛警排除和艦船定位邊界框位置校正。與現(xiàn)有方法相比，本方法能夠提供對(duì)不同尺度艦船檢測(cè)更高的準(zhǔn)確率，以及對(duì)艦船位置更精確的定位。

技術(shù)領(lǐng)域

本發(fā)明涉及一種候選區(qū)快速篩選與尺度自適應(yīng)的深度網(wǎng)絡(luò)艦船目標(biāo)檢測(cè)方法，屬于數(shù)字圖像處理技術(shù)領(lǐng)域。

背景技術(shù)

由于其在海洋交通監(jiān)控、船舶救援、漁業(yè)管理等方面具有極其重要的指導(dǎo)意義，越來(lái)越多的人已經(jīng)投入到艦船目標(biāo)檢測(cè)領(lǐng)域的研究中。近年來(lái)，利用合成孔徑雷達(dá)SAR(Synthetic aperture radar)圖像進(jìn)行海洋目標(biāo)檢測(cè)與監(jiān)視的研究在海洋遙感領(lǐng)域得到高度重視。由于SAR圖像具有觀測(cè)范圍廣、觀測(cè)周期短、數(shù)據(jù)時(shí)效強(qiáng)、全天候和全天時(shí)等優(yōu)點(diǎn)，針對(duì)SAR圖像進(jìn)行艦船的檢測(cè)、監(jiān)視、分析艦船的位置、面積等參數(shù)的算法研究已經(jīng)非常廣泛。然而，SAR傳感器的數(shù)量有限，回訪周期相對(duì)較長(zhǎng)，空間分辨率相對(duì)較低。因此基于SAR的艦船檢測(cè)方法研究進(jìn)展緩慢。另一方面，隨著光傳感器連續(xù)覆蓋率的不斷提高，利用高分辨率可見光圖像數(shù)據(jù)進(jìn)行艦船檢測(cè)的研究越來(lái)越廣泛。

現(xiàn)有的可見光艦船檢測(cè)方法通常可以分為兩步：艦船候選區(qū)域提取階段和虛警排除階段。

從輸入圖像中分割提取艦船候選區(qū)是不可或缺的步驟，艦船候選區(qū)域的分割準(zhǔn)確度和精度直接決定了艦船檢測(cè)性能的好壞。候選區(qū)域提取要求速度快，召回率高。典型的算法包括基于圖像分割的方法，基于顯著性檢測(cè)的方法，基于小波變換的方法和基于異常檢測(cè)的方法。然而，上述提到的方法都是從人類感知周圍事物的方式出發(fā)，由于目前受光照、天氣、海況、艦船尺度等諸多條件的限制，上述方法自適應(yīng)性較差，難以對(duì)多幅圖像都產(chǎn)生魯棒性的效果。

虛警排除階段主要通過(guò)手工設(shè)計(jì)特征，并通過(guò)分類器進(jìn)行分類來(lái)實(shí)現(xiàn)。該階段要求降低虛警，精確定位艦船位置。常見的特征表示主要分為兩類，分別是基于艦船自身特征分析和設(shè)計(jì)復(fù)雜的特征描述子。艦船自身特征主要有形狀特征和紋理特征。其中可利用的形狀特征有周長(zhǎng)，面積、緊湊度、對(duì)稱性、長(zhǎng)寬比、凸度、矩形度、偏心率以及矩不變量等；紋理特征有均值、方差、熵以及灰度共生矩陣等。基于艦船自身形狀和紋理特征來(lái)進(jìn)行虛警排除設(shè)計(jì)簡(jiǎn)單快速，但是對(duì)艦船特征表達(dá)能力較弱，對(duì)于形狀和紋理特性相似的碎云，島嶼無(wú)法很好的排除，虛警率較高。同時(shí)，不同尺度的艦船目標(biāo)形狀和紋理特性存在差異，難以確定自適應(yīng)性的閾值，需要根據(jù)實(shí)際情況調(diào)整，實(shí)際應(yīng)用中魯棒性較差。因此，一些典型的特征描述子被應(yīng)用到艦船檢測(cè)領(lǐng)域。常用的特征描述子有局部二值模式LBP，尺度縮放不變特征SIFT，方向梯度直方圖特征HOG，哈爾特征Haar，Gabor特征等等。由于艦船具有尺度不一和方向隨意等特性，這些特征表示不能很好的描述艦船的特性。而且對(duì)于同樣具有對(duì)稱性的碎云、島嶼以及海岸線等虛警干擾不能很好地排除，對(duì)于艦船周圍存在碎云干擾、薄霧遮蓋的情況容易導(dǎo)致漏檢。

經(jīng)常使用的分類器有支持向量機(jī),極限學(xué)習(xí)機(jī),集成學(xué)習(xí)方法和神經(jīng)網(wǎng)絡(luò)等。目前，對(duì)艦船檢測(cè)的研究主要集中在設(shè)計(jì)提取識(shí)別力高的特征表達(dá)以及設(shè)計(jì)性能好的分類算法兩方面。然而，人工設(shè)計(jì)特征多為局部淺層的特征，表達(dá)形式單一，沒有充分考慮艦船尺度變化對(duì)檢測(cè)性能的影響，因此，在面對(duì)尺度多變的艦船目標(biāo)時(shí)難以取得令人滿意的效果，在實(shí)際應(yīng)用中遇到了一定的瓶頸。

在這樣的背景下，需要設(shè)計(jì)一種候選區(qū)快速篩選與尺度自適應(yīng)的深度網(wǎng)絡(luò)艦船目標(biāo)檢測(cè)方法，以有效提高對(duì)不同尺度艦船特征描述的穩(wěn)定性，降低碎云、海浪和島嶼的干擾，同時(shí)提高對(duì)艦船目標(biāo)定位的準(zhǔn)確性。

發(fā)明內(nèi)容

根據(jù)本發(fā)明的一個(gè)方面，提供了一種候選區(qū)快速篩選與尺度自適應(yīng)的深度網(wǎng)絡(luò)艦船目標(biāo)檢測(cè)方法，其特征在于包括如下步驟：