[發明專利]基于局部自適應幾何變換的無人機圖像小目標檢測方法和系統

有效

• 申請號: 201910963413.2
• 申請日: 2019-10-11
• 公開（公告）號: CN110796028B
• 公開（公告）日: 2021-08-17
• 發明（設計）人: 肖志峰;錢林鈞
• 申請（專利權）人: 武漢大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 王琪

1.一種基于局部自適應幾何變換的無人機圖像小目標檢測方法，其特征在于，包括以下步驟：

1)構建特征提取器

以深度全卷積神經網絡為基礎，構建深度全卷積神經網絡特征提取器；

2)提取特征

使用步驟1)構建的深度全卷積神經網絡特征提取器對輸入圖像進行特征提取，數學描述為X_n+1＝f_n(x_n)，其中n∈{0,1,..,k-1}，k為深度全卷積神經網絡層數，f_n為第n層特征提取運算，x_n為經過f_n運算得到的特征；

3)局部拉伸放大分支進行處理

對于步驟2)提取到的淺層特征x_m，其中mk，下采樣步長為S，使用局部拉伸放大分支進行處理，通過分支輸出結果C得到x_m這層特征每個位置是否需要進行拉伸變換，其中C_i,j是C中的元素，C_i,j表示行位置為i，列位置為j的特征點是否需要放大；

4)得到需要變換區域

使用閾值t對C進行閾值處理，C_i,j大于t則標記為需要放大，需要放大的特征點位置形成點集合P,使用漫水填充算法，將P連成多個區域，計算得到每個區域的外接矩形近似該區域；定義放大系數α，根據得到的外接矩形，以及放大系數得到放大后矩形，如果兩個放大后外接矩形有重疊部分，則去掉面積較小的放大前外接矩形，經過過濾的放大前矩形形成需要放大區域集合A，集合中每個元素都是在x_m特征層坐標系上的矩形，代表這個區域需要放大；

5)構建變換函數

根據集合A中矩形大小和放大系數計算經過矩形區域局部放大后的特征圖和原特征圖x_m特征點坐標的映射關系f以及逆變換f^-1；

6)局部變換和目標回歸

根據映射關系f對x_m特征層進行局部變換得到變換后特征圖x_m2，然后將x_m2繼續送入之后的卷積層得到檢測框的位置和類信息；

7)結果逆變換

計算檢測框在x_m2特征圖上的坐標信息，將x_m2特征圖上的位置信息通過逆變換f^-1得到在x_m特征圖上的檢測結果，最后計算得到在輸入尺度下的檢測結果。

2.一種基于局部自適應幾何變換的無人機圖像小目標檢測系統，其特征在于，包括以下模塊：

特征提取器構建模塊：用于以深度全卷積神經網絡為基礎，構建深度全卷積神經網絡特征提取器；

提取特征模塊：用于利用特征提取器構建模塊中構建的深度全卷積神經網絡特征提取器對輸入圖像進行特征提取，數學描述為X_n+1＝f_n(x_n)，其中n∈{0,1,..,k-1}，k為深度全卷積神經網絡層數，f_n為第n層特征提取運算，x_n為經過f_n運算得到的特征；

局部拉伸放大分支進行處理模塊：對于提取特征模塊提取到的淺層特征x_m，其中mk，下采樣步長為S，使用局部拉伸放大分支進行處理，通過分支輸出結果C得到x_m這層特征每個位置是否需要進行拉伸變換，其中C_i,j是C中的元素，C_i,j表示行位置為i，列位置為j的特征點是否需要放大；

變換區域獲取模塊：用于使用閾值t對C進行閾值處理，C_i,j大于t則標記為需要放大，需要放大的特征點位置形成點集合P,使用漫水填充算法，將P連成多個區域，計算得到每個區域的外接矩形近似該區域；定義放大系數α，根據得到的外接矩形，以及放大系數得到放大后矩形，如果兩個放大后外接矩形有重疊部分，則去掉面積較小的放大前外接矩形，經過過濾的放大前矩形形成需要放大區域集合A，集合中每個元素都是在x_m特征層坐標系上的矩形，代表這個區域需要放大；

變換函數構建模塊：用于根據集合A中矩形大小和放大系數計算經過矩形區域局部放大后的特征圖和原特征圖x_m特征點坐標的映射關系f以及逆變換f^-1；

局部變換和目標回歸模塊：根據映射關系f對x_m特征層進行局部變換得到變換后特征圖x_m2，然后將x_m2繼續送入之后的卷積層得到檢測框的位置和類信息；

結果逆變換模塊：用于計算檢測框在x_m2特征圖上的坐標信息，將x_m2特征圖上的位置信息通過逆變換f^-1得到在x_m特征圖上的檢測結果，最后計算得到在輸入尺度下的檢測結果。