[發(fā)明專利]一種結(jié)合旋轉(zhuǎn)框和上下文信息的衛(wèi)星圖像艦船檢測方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910180600.3
• 申請(qǐng)日: 2019-03-11
• 公開（公告）號(hào): CN109871823B
• 公開（公告）日: 2021-08-31
• 發(fā)明（設(shè)計(jì)）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(qǐng)（專利權(quán)）人: 中國電子科技集團(tuán)公司第五十四研究所
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06N3/04;G06N3/08
• 代理公司: 河北東尚律師事務(wù)所 13124
• 代理人: 王文慶

本發(fā)明提供一種結(jié)合旋轉(zhuǎn)框和上下文信息的衛(wèi)星圖像艦船檢測方法，首先采用顏色變換、尺度變換和角度變換擴(kuò)充訓(xùn)練數(shù)據(jù)集；接著利用密集連接卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行特征提取，得到既具有強(qiáng)語義信息又有精確位置信息的特征圖；再利用旋轉(zhuǎn)區(qū)域候選網(wǎng)絡(luò)，在特征圖上生成一系列多尺度、多縱橫比、多角度的候選邊界框；最后利用多區(qū)域全連接網(wǎng)絡(luò)提取候選邊界框上下文復(fù)合特征用于艦船檢測。相較于以往的艦船檢測方法，本發(fā)明從數(shù)據(jù)預(yù)處理、特征提取、候選邊界框生成、檢測器等多個(gè)角度出發(fā)，可以得到更高的檢測精度。

技術(shù)領(lǐng)域

本發(fā)明屬于衛(wèi)星圖像識(shí)別領(lǐng)域，更具體地涉及一種結(jié)合旋轉(zhuǎn)框和上下文信息的衛(wèi)星圖像艦船檢測方法。

背景技術(shù)

隨著遙感技術(shù)的快速發(fā)展，當(dāng)前的衛(wèi)星傳感器可以輕易地獲取高分辨率圖像。利用高分辨率衛(wèi)星圖像進(jìn)行艦船檢測是一個(gè)重要的研究方向，已經(jīng)在漁業(yè)管理、船舶交通服務(wù)、海上作戰(zhàn)等領(lǐng)域取得了廣泛的應(yīng)用。然而由于衛(wèi)星圖像艦船目標(biāo)和自然圖像中目標(biāo)的一些顯著差異，如：(1)衛(wèi)星圖像艦船目標(biāo)的光照變化、尺度變化和縱橫比變化更加強(qiáng)烈；(2)艦船目標(biāo)會(huì)遭遇大量不同的復(fù)雜環(huán)境，例如近海岸環(huán)境、遠(yuǎn)海岸環(huán)境，以及海中油污、小島這些和艦船相似目標(biāo)的干擾；(3)衛(wèi)星圖像艦船目標(biāo)通常呈現(xiàn)任意角度，而且經(jīng)常密集地排列在海面上。如圖1所示，這些顯著差異給衛(wèi)星圖像艦船檢測帶來了巨大的挑戰(zhàn)，經(jīng)常導(dǎo)致大量虛警、漏警的出現(xiàn)。一些傳統(tǒng)的方法首先利用紋理、形狀和顏色等特征進(jìn)行海陸分割，再利用手工設(shè)計(jì)的特征對(duì)分離出的海域進(jìn)行艦船檢測。這些傳統(tǒng)方法在近海岸區(qū)域性能較差，且難以抑制虛警的出現(xiàn)。近年來，基于深度學(xué)習(xí)的目標(biāo)檢測方法在自然圖像上取得了優(yōu)越的性能。當(dāng)前的基于深度學(xué)習(xí)的目標(biāo)檢測方法大致可以分為兩類：單階段方法和雙階段方法。單階段方法主要有R-CNN，F(xiàn)ast R-CNN,Faster R-CNN以及R-FCN等。雙階段方法主要有YOLO和SSD等。單階段方法首先在輸入圖像上生成高質(zhì)量的候選邊界框，然后對(duì)候選邊界框進(jìn)行分類和位置回歸，得到最終的檢測結(jié)果。雙階段的方法則通過回歸的方式直接在輸入圖像上預(yù)測位置邊界框和目標(biāo)類別。然而，這些方法都是為自然圖像目標(biāo)檢測而專門設(shè)計(jì)的，直接應(yīng)用在衛(wèi)星圖像中往往難以取得理想的結(jié)果。

因此，本發(fā)明的目標(biāo)是針對(duì)高分辨率衛(wèi)星圖像艦船檢測，設(shè)計(jì)一個(gè)專用的網(wǎng)絡(luò)結(jié)構(gòu)，對(duì)于衛(wèi)星圖像艦船檢測所呈現(xiàn)的多場景、多尺度、多縱橫比，復(fù)雜背景，任意角度以及密集排列問題，可以得到高精度的檢測結(jié)果。

發(fā)明內(nèi)容

本發(fā)明的目的是針對(duì)高分辨率衛(wèi)星圖像艦船檢測所遇到的一系列問題，提出一種端到端的基于深度學(xué)習(xí)的高精度艦船檢測方法。

本發(fā)明采用的技術(shù)方案為：

一種結(jié)合旋轉(zhuǎn)框和上下文信息的衛(wèi)星圖像艦船檢測方法，包括以下步驟：

步驟1，搭建艦船檢測網(wǎng)絡(luò)模型，包括密集連接網(wǎng)絡(luò)、候選邊界框生成網(wǎng)絡(luò)和多區(qū)域全連接網(wǎng)絡(luò)；

步驟2，采用顏色變換、尺度變換和角度變換擴(kuò)充訓(xùn)練數(shù)據(jù)集的樣本圖像數(shù)目，并對(duì)擴(kuò)充后樣本進(jìn)行標(biāo)注；

步驟3，利用密集連接網(wǎng)絡(luò)對(duì)擴(kuò)充后樣本集的樣本進(jìn)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(shù)運(yùn)算，得到具有高語義信息的特征圖；

步驟4，利用候選邊界框生成網(wǎng)絡(luò)在特征圖的每個(gè)位置生成多個(gè)不同尺度、不同縱橫比和不同角度的默認(rèn)候選邊界框，然后分別對(duì)默認(rèn)候選邊界框進(jìn)行二分類、邊框回歸和位置調(diào)整，得到調(diào)整后的候選邊界框；

步驟5，利用多區(qū)域全連接網(wǎng)絡(luò)將每個(gè)調(diào)整后的候選邊界框的外部特征、內(nèi)部特征以及候選邊界框自身特征進(jìn)行級(jí)聯(lián)，級(jí)聯(lián)后進(jìn)行分類和回歸，得到訓(xùn)練樣本的艦船檢測結(jié)果；

步驟6，基于訓(xùn)練樣本的艦船檢測結(jié)果與訓(xùn)練樣本真實(shí)值，計(jì)算損失函數(shù)，若損失函數(shù)收斂，則得到訓(xùn)練好的艦船檢測網(wǎng)絡(luò)模型，否則，返回步驟3，繼續(xù)訓(xùn)練模型；

步驟7，將待檢測圖像輸入訓(xùn)練好的艦船檢測網(wǎng)絡(luò)模型，得到艦船檢測結(jié)果。