[發明專利]一種結合旋轉框和上下文信息的衛星圖像艦船檢測方法

有效

• 申請號: 201910180600.3
• 申請日: 2019-03-11
• 公開（公告）號: CN109871823B
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 于君娜;王士成;徐小剛;陳金勇;梁碩;帥通;單子力;文義紅;王港;楚博策
• 申請（專利權）人: 中國電子科技集團公司第五十四研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 河北東尚律師事務所 13124
• 代理人: 王文慶

1.一種結合旋轉框和上下文信息的衛星圖像艦船檢測方法，其特征在于包括以下步驟：

步驟1，搭建艦船檢測網絡模型，包括密集連接網絡、候選邊界框生成網絡和多區域全連接網絡；

步驟2，采用顏色變換、尺度變換和角度變換擴充訓練數據集的樣本圖像數目，并對擴充后樣本進行標注；

步驟3，利用密集連接網絡對擴充后樣本集的樣本進行局部線性和非線性變換，包括卷積、池化、批歸一化和修正線性單元激活函數運算，得到具有高語義信息的特征圖；其中，密集連接網絡采用DenseNet-121網絡，且僅使用前4個密集連接塊；

步驟4，利用候選邊界框生成網絡在特征圖的每個位置生成多個不同尺度、不同縱橫比和不同角度的默認候選邊界框，然后分別對默認候選邊界框進行二分類、邊框回歸和位置調整，得到調整后的候選邊界框；具體為：

使用數據集中艦船目標的尺度分布、縱橫比分布和角度分布，利用候選邊界框生成網絡在特征圖的每個位置生成3個不同尺度、3個不同縱橫比和3個不同角度的默認邊界候選框，即每個位置產生27個不同的默認候選邊界框，分別將每一個默認候選邊界框依次經過一個3×3卷積層以及兩個單獨的1×1卷積層進行二分類和邊框回歸，再進行位置調整，得到調整后的候選邊界框；

步驟5，利用多區域全連接網絡將每個調整后的候選邊界框的外部特征、內部特征以及候選邊界框自身特征進行級聯，級聯后進行分類和回歸，得到訓練樣本的艦船檢測結果；具體為：

利用多區域全連接網絡將每個候選邊界框選取3個不同區域，第1個區域是原始的候選邊界框，被用于獲取整個艦船目標的特征；第2個區域是原始候選邊界框的中央區域，通過將候選邊界框的長和寬乘以一個0.8的因子獲取，被用于獲取艦船目標中央的特征；第3個區域是原始候選邊界框的結合上下文的區域，通過將候選邊界框的長和寬乘以一個1.2的因子獲取，被用來獲取艦船目標周圍的信息；將選取的3個區域分別提取對應的特征，每個特征分別經過池化以及兩個全連接層得到固定長度的特征向量，將三個特征向量級聯后進行分類和回歸得到艦船檢測結果；

步驟6，基于訓練樣本的艦船檢測結果與訓練樣本真實值，計算損失函數，若損失函數收斂，則得到訓練好的艦船檢測網絡模型，否則，返回步驟3，繼續訓練模型；

步驟7，將待檢測圖像輸入訓練好的艦船檢測網絡模型，得到艦船檢測結果。

2.根據權利要求1所述的一種結合旋轉框和上下文信息的衛星圖像艦船檢測方法，其特征在于，步驟2中的顏色變換具體為：

計算大規模圖像數據集中所有圖像RGB三通道的協方差矩陣，得到協方差矩陣的特征值λ₁、λ₂、λ₃和協方差矩陣的特征向量p₁、p₂、p₃；對于訓練數據集里的每張樣本圖像，將每個像素都加上ε₁λ₁p₁+ε₂λ₂p₂+ε₃λ₃p₃，得到顏色變換后的圖像，其中，三元組ε₁，ε₂，ε₃隨機采樣自正態分布N(0；0.1)。