[發(fā)明專利]基于yolov3算法與滑動窗口策略的SAR影像海面艦船檢測方法

有效

• 申請?zhí)枺?/td>: 202010010915.6
• 申請日: 2020-01-06
• 公開（公告）號: CN111241970B
• 公開（公告）日: 2023-06-27
• 發(fā)明（設(shè)計）人: 鄭澤忠;江邵斌;劉佳璽;李鍇;牟范;侯安鍇;李江
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/25;G06V10/82;G06N3/0464
• 代理公司: 成都時譽(yù)知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 51250
• 代理人: 李雙

本發(fā)明公開了基于yolov3算法與滑動窗口策略的SAR影像海面艦船檢測方法，數(shù)據(jù)預(yù)處理：將SAR影像數(shù)據(jù)進(jìn)行數(shù)據(jù)標(biāo)注與切分，將VOC2012圖片數(shù)據(jù)集進(jìn)行三通道灰度平衡處理；進(jìn)行yolov3模型預(yù)訓(xùn)練：將VOC2012圖片數(shù)據(jù)集作為輸入數(shù)據(jù)，投入通用yolov3模型中進(jìn)行模型訓(xùn)練；對訓(xùn)練后的yolov3模型進(jìn)行遷移學(xué)習(xí)：將SAR影像數(shù)據(jù)投入預(yù)訓(xùn)練后的yolov3模型當(dāng)中進(jìn)行優(yōu)化，獲得目標(biāo)yolov3檢測模型；對實(shí)時SAR影像數(shù)據(jù)進(jìn)行滑動窗口策略處理，然后輸入到所述目標(biāo)yolov3檢測模型中，從而獲得檢測結(jié)果，并對所述檢測結(jié)果進(jìn)行聚類算法去重。本發(fā)明在低分辨率SAR影像上可以取得良好的檢測效果，同時可以調(diào)節(jié)檢測速度，具有識別速度快，檢測精度高的優(yōu)點(diǎn)，且本套方法也可用于其他類型衛(wèi)星影像的目標(biāo)檢測。

技術(shù)領(lǐng)域

本發(fā)明屬于計算機(jī)視覺技術(shù)領(lǐng)域，具體涉及基于yolov3算法與滑動窗口策略的SAR影像海面艦船檢測方法。

背景技術(shù)

船舶是能航行或停泊于水域進(jìn)行運(yùn)輸或作業(yè)的交通工具，我國是海事大國，每日有大量船只在我國領(lǐng)海活動，對于船只的管理與監(jiān)控是海事部門的重要職責(zé)。但是由于我國海域?qū)拸V，船只流量巨大等原因，海面船只的監(jiān)管不能直觀地顯示出來。SAR(SyntheticAperture?Radar)，即合成孔徑雷達(dá)，是一種主動式的對地觀測系統(tǒng)，可安裝在飛機(jī)、衛(wèi)星、宇宙飛船等飛行平臺上，全天時、全天候?qū)Φ貙?shí)施觀測、并具有一定的地表穿透能力。SAR影像具有全天候，抗云雨等特點(diǎn)，因此基于SAR影像的艦船目標(biāo)檢測與識別技術(shù)在海洋監(jiān)測等領(lǐng)域具有重要意義。

人類社會已經(jīng)進(jìn)入大數(shù)據(jù)時代，傳統(tǒng)的信息存儲和傳播媒介已逐漸為計算機(jī)所替代，并呈現(xiàn)出指數(shù)增長的趨勢，成為21世紀(jì)最為重要的資源之一。人工智能技術(shù)的快速發(fā)展為大數(shù)據(jù)隱含信息的精準(zhǔn)獲取和有效整合應(yīng)用能力提供了全新的策略，深度學(xué)習(xí)是人工智能技術(shù)中目前研究最火熱的一種技術(shù)，其動機(jī)在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，它模仿人腦的機(jī)制來解釋數(shù)據(jù)，例如圖像，聲音和文本，通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發(fā)現(xiàn)數(shù)據(jù)的分布式特征表示。深度學(xué)習(xí)能夠得到很好地表示數(shù)據(jù)的特征，同時由于模型的層次、參數(shù)很多，因此，模型有能力表示大規(guī)模數(shù)據(jù)，能夠在大規(guī)模訓(xùn)練數(shù)據(jù)上取得更好的效果。

將SAR影像海面艦船檢測與深度學(xué)習(xí)有機(jī)結(jié)合，能夠在速度和精度方面超越傳統(tǒng)檢測方法。同時，使用低分辨率的SAR影像可以進(jìn)行大范圍的艦船檢測識別，在保證精度的情況下，弱化了海面艦船監(jiān)管的難度，能提高有關(guān)部門的工作效率。

因此，現(xiàn)階段需要提供基于yolov3算法與滑動窗口策略的SAR影像海面艦船檢測方法。

發(fā)明內(nèi)容

本發(fā)明目的在于提供基于yolov3算法與滑動窗口策略的SAR影像海面艦船檢測方法，用于解決上述現(xiàn)有技術(shù)中存在的技術(shù)問題之一，如：將SAR影像海面艦船檢測與深度學(xué)習(xí)有機(jī)結(jié)合，能夠在速度和精度方面超越傳統(tǒng)檢測方法。同時，使用低分辨率的SAR影像可以進(jìn)行大范圍的艦船檢測識別，在保證精度的情況下，弱化了海面艦船監(jiān)管的難度，能提高有關(guān)部門的工作效率。

為實(shí)現(xiàn)上述目的，本發(fā)明所采用的技術(shù)方案是：

基于yolov3算法與滑動窗口策略的SAR影像海面艦船檢測方法，其特征在于，包括以下步驟：

S1、數(shù)據(jù)預(yù)處理：將SAR影像數(shù)據(jù)進(jìn)行數(shù)據(jù)標(biāo)注與切分，將VOC2012圖片數(shù)據(jù)集進(jìn)行三通道灰度平衡處理；

S2、在步驟S1的基礎(chǔ)上，進(jìn)行yolov3模型預(yù)訓(xùn)練：將VOC2012圖片數(shù)據(jù)集作為輸入數(shù)據(jù)，投入通用yolov3模型中進(jìn)行模型訓(xùn)練；

S3、在步驟S2的基礎(chǔ)上，對訓(xùn)練后的yolov3模型進(jìn)行遷移學(xué)習(xí)：將SAR影像數(shù)據(jù)投入預(yù)訓(xùn)練后的yolov3模型當(dāng)中進(jìn)行優(yōu)化，獲得目標(biāo)yolov3檢測模型；