[發(fā)明專利]一種基于卷積神經(jīng)網(wǎng)絡的遙感圖像目標檢測方法

有效

• 申請?zhí)枺?/td>: 201811480380.8
• 申請日: 2018-12-05
• 公開（公告）號: CN109800629B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設計）人: 雷建軍;羅曉維;李奕;牛力杰;陳越;郭琰
• 申請（專利權）人: 天津大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/46;G06V10/764;G06V10/774;G06V10/82;G06T7/73
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李林娟

本發(fā)明公開了一種基于卷積神經(jīng)網(wǎng)絡的遙感圖像目標檢測方法，所述方法包括：構建由目標檢測分支網(wǎng)絡和顯著性重建分支網(wǎng)絡組成的雙分支卷積神經(jīng)網(wǎng)絡，所述卷積神經(jīng)網(wǎng)絡用于增強目標區(qū)域的特征；分別構建像素級以及目標級損失函數(shù)，在兩個損失函數(shù)的共同約束下對所述卷積神經(jīng)網(wǎng)絡進行訓練，促使卷積神經(jīng)網(wǎng)絡在特征提取過程中增強目標區(qū)域的特征；通過截斷型VGG與顯著性重建分支網(wǎng)絡聯(lián)合完成顯著性信息的自適應提取，通過截斷型VGG與目標檢測分支網(wǎng)絡共同完成目標的定位與分類。本發(fā)明自適應提取有效的顯著性信息，增強目標區(qū)域特征，抑制背景干擾，改善CNN在遙感圖像復雜場景中的特征提取性能，提升目標檢測的精度。

技術領域

本發(fā)明涉及圖像處理、計算機視覺技術領域，尤其涉及一種基于卷積神經(jīng)網(wǎng)絡的遙感圖像目標檢測方法。

背景技術

作為遙感圖像分析領域的研究熱點，目標檢測旨在從大規(guī)模遙感圖像中快速定位特定目標，被廣泛應用于交通管理、城市規(guī)劃、以及軍事監(jiān)控等領域，具有重要的應用價值。近年來，隨著深度學習理論研究的突破，深度學習網(wǎng)絡初步應用于遙感圖像目標檢測領域。深度學習網(wǎng)絡簡化特征在設計過程的同時顯著提升了目標檢測方法的特征提取性能，增強了檢測方法的實用性與有效性。目前圖像處理領域中，卷積神經(jīng)網(wǎng)絡(ConvolutionalNeural?Network，CNN)為使用最廣泛的深度學習網(wǎng)絡，其根據(jù)所提供的目標與損失函數(shù)自適應調(diào)整網(wǎng)絡參數(shù)，具有自動提取語義信息豐富、判別能力強的特征，能有效改善特征提取性能。隨著遙感圖像成像技術的進步，遙感圖像中豐富的圖像信息不僅為CNN的應用奠定了數(shù)據(jù)基礎，還給CNN的特征提取過程提出了的挑戰(zhàn)。遙感圖像豐富的場景信息干擾了CNN的特征提取過程。因此，如何處理好遙感圖像中背景和目標特征的關系，改善CNN的特征提取性能，獲得了更多的關注。

Fang等人提出一體化的CNN分類網(wǎng)絡，利用CNN實現(xiàn)圖像特征提取，并結合歸一化指數(shù)函數(shù)(softmax)層完成遙感圖像的場景分類任務。Li等人利用兩個獨立的CNN網(wǎng)絡分別完成遙感圖像場景識別和目標檢測的任務，實現(xiàn)了由粗到細的遙感圖像目標檢測。Zhao等人利用CNN網(wǎng)絡完成對飛機目標關鍵點的坐標回歸任務，由網(wǎng)絡對關鍵點坐標進行預測，從而完成目標種類識別的任務。Cheng等人通過在CNN中加入一層旋轉不變層實現(xiàn)遙感圖像多方向目標的特征提取。Zhang等人提出了雙聯(lián)合CNN檢測方法，對目標候選區(qū)域進行提取并實現(xiàn)目標精確檢測，不斷縮小目標待檢測區(qū)域并提升遙感目標檢測精度。Zou等人提出了基于目標先驗概率的檢測框架用于遙感圖像的目標檢測，其通過最大化訓練樣本與觀測值的后驗概率自適應地更新檢測網(wǎng)絡。

發(fā)明人在實現(xiàn)本發(fā)明的過程中，發(fā)現(xiàn)現(xiàn)有技術中至少存在以下缺點和不足：

現(xiàn)有的基于CNN的遙感圖像目標檢測方法僅針對目標特性進行處理，并未充分考慮到遙感圖像中復雜背景與目標特征的混淆問題；現(xiàn)有方法在利用顯著性信息時通常將顯著性檢測作為預處理或后處理過程，網(wǎng)絡無法根據(jù)顯著性信息有效地調(diào)整模型參數(shù)。

發(fā)明內(nèi)容

本發(fā)明提供了一種基于卷積神經(jīng)網(wǎng)絡的遙感圖像目標檢測方法，本發(fā)明通過對CNN的網(wǎng)絡結構及特征圖進行深入研究，設計一種雙分支卷積神經(jīng)網(wǎng)絡以及損失函數(shù)，自適應提取有效的顯著性信息，增強目標區(qū)域特征，抑制背景干擾，改善CNN在遙感圖像復雜場景中的特征提取性能，提升目標檢測的精度，詳見下文描述：

一種基于卷積神經(jīng)網(wǎng)絡的遙感圖像目標檢測方法，所述方法包括：

構建由目標檢測分支網(wǎng)絡和顯著性重建分支網(wǎng)絡組成的雙分支卷積神經(jīng)網(wǎng)絡，所述卷積神經(jīng)網(wǎng)絡用于增強目標區(qū)域的特征；

分別構建像素級以及目標級損失函數(shù)，在兩個損失函數(shù)的共同約束下對所述卷積神經(jīng)網(wǎng)絡進行訓練，促使卷積神經(jīng)網(wǎng)絡在特征提取過程中增強目標區(qū)域的特征；

通過截斷型VGG與顯著性重建分支網(wǎng)絡聯(lián)合完成顯著性信息的自適應提取，通過截斷型VGG與目標檢測分支網(wǎng)絡共同完成目標的定位與分類。