[發明專利]基于人工智能的光學遙感圖像目標在線快速檢測方法

有效

• 申請號: 201910377070.1
• 申請日: 2019-05-07
• 公開（公告）號: CN110189304B
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 白宏陽;郭宏偉;李政茂;鄭浦;周育新;徐嘯康;梁華駒
• 申請（專利權）人: 南京理工大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T3/60;G06N3/04
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 馬魯晉

1.一種基于人工智能的光學遙感圖像目標在線快速檢測方法，其特征在于，包括以下步驟：

步驟1、獲取原始光學遙感圖像，建立光學遙感圖像目標數據集；

步驟2、搭建圖像特征提取網絡，并結合解碼器共同構建目標快速檢測網絡模型；

步驟3、利用所述光學遙感圖像目標數據集對目標快速檢測網絡模型進行訓練和評估；具體為：

步驟3-1、利用COCO數據集對所述目標快速檢測網絡模型進行預訓練，獲得預訓練模型；

步驟3-2、利用預訓練模型初始化目標快速檢測網絡參數及超參數，在目標快速檢測網絡模型中輸入訓練集的圖像進行前向傳播，以計算目標預測信息和損失函數值；每個目標的預測信息將對應一個預測框，所述目標預測信息包括目標的位置、大小、類別和航向角；

其中，損失函數公式為：

式中，表示預測第i個分塊中的第j個預測框中有目標，表示預測第i個分塊中的第j個預測框中沒有目標，λ_coord、λ_obj、λ_noobj、λ_θ為損失函數各部分的權重項，S表示網格單元數字，B表示每個網格單元的旋轉邊界框數，(x_j,y_j,w_j,h_j,θ_j)分別為預測第i個分塊中的第j個檢測框中目標的中心點橫坐標、縱坐標、預測框寬度、預測框高度和航向角信息，分別為第i個分塊中的第j個檢測框中目標的中心點橫坐標、縱坐標、預測框寬度、預測框高度和航向角信息的樣本真值，c_j為置信度得分，是預測邊界框與真實邊界框的交叉部分，p_i(c)為第i個預測框所包含的物體為c類別的概率，為第i個預測框所包含的物體的類別真值；

步驟3-3、通過反向傳播調整網絡權重參數以減小損失函數值；

步驟3-4、重復步驟3-2～步驟3-3直至達到最大迭代次數或損失函數值達到訓練目標要求；

步驟3-5、利用驗證集對目標快速檢測網絡性能以及其在硬件平臺上所占用內存進行評估；

步驟4、利用訓練后的目標快速檢測網絡模型對待測光學遙感圖像進行目標檢測；具體為：

步驟4-1、對待測光學遙感圖像進行分塊，在此過程中需要保證每一個完整的待檢測目標在某一個分塊圖像中；

步驟4-2、將分塊圖像輸入至訓練后的目標快速檢測網絡模型，獲得若干個初步目標信息，并根據每個初步目標信息繪制其對應的預測框；所述初步目標信息包括目標位置、大小、類別和航向角信息；

步驟4-3、利用非極大值抑制法對預測框進行篩選，篩選后的預測框對應的初步目標信息即為待測光學遙感圖像的目標信息。

2.根據權利要求1所述的基于人工智能的光學遙感圖像目標在線快速檢測方法，其特征在于，步驟1所述獲取原始光學遙感圖像，建立光學遙感圖像目標數據集，具體為：

步驟1-1、從原始光學遙感圖像中選取包含感興趣區域的光學遙感圖像；

步驟1-2、對包含感興趣區域的光學遙感圖像進行分塊保存，獲得光學遙感圖像集；

步驟1-3、對每個分塊圖像分別進行圖像預處理，并將處理前和處理后的圖像均保存以擴充所述光學遙感圖像集；

步驟1-4、從擴充后的光學遙感圖像集中隨機選取p％的分塊圖像作為訓練集，其余分塊圖像作為驗證集；其中，p％＞50％；

步驟1-5、獲取每個分塊圖像中感興趣目標的位置、大小、類別以及航向角，由這些數據和光學遙感圖像集共同構成光學遙感圖像目標數據集。

3.根據權利要求2所述的基于人工智能的光學遙感圖像目標在線快速檢測方法，其特征在于，步驟1-1所述感興趣區域包括機場、港口以及海域；步驟1-5所述感興趣目標包括飛機、船只。

4.根據權利要求3所述的基于人工智能的光學遙感圖像目標在線快速檢測方法，其特征在于，步驟1-3所述圖像預處理包括圖像幾何變換或改變圖像的對比度或改變圖像的亮度或加入噪聲。