[發(fā)明專利]一種遙感圖像多類別目標檢測方法和系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202011221705.8
• 申請日: 2020-11-05
• 公開（公告）號: CN112446301B
• 公開（公告）日: 2022-08-09
• 發(fā)明（設(shè)計）人: 薛健;侯利萍;呂科
• 申請（專利權(quán)）人: 中國科學院大學
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京紀凱知識產(chǎn)權(quán)代理有限公司 11245
• 代理人: 趙悅

本發(fā)明屬于圖像處理領(lǐng)域，涉及一種遙感圖像多類別目標檢測方法和系統(tǒng)，包括以下步驟：S1通過不規(guī)則金字塔特征提取網(wǎng)絡(luò)提取輸入圖像的不規(guī)則多尺度特征圖；S2在不規(guī)則多尺度特征圖上，每個位置點上設(shè)置錨點框；S3將不規(guī)則多尺度特征圖和錨點框輸入第一階段檢測子網(wǎng)絡(luò)，設(shè)置第一階段檢測子網(wǎng)絡(luò)的損失函數(shù)，并根據(jù)第一階段的損失函數(shù)輸出第一階段的預測框；S4將不規(guī)則多尺度特征圖和第一階段的預測框輸入第二個階段檢測子網(wǎng)絡(luò)；設(shè)置第二個階段檢測子網(wǎng)絡(luò)的損失函數(shù)，并根據(jù)第二階段的損失函數(shù)輸出第二階段的預測框；S5根據(jù)第二階段的預測框獲取最終目標。其提升了對于多角度目標尤其是狹長型目標的檢測性能。

技術(shù)領(lǐng)域

本發(fā)明涉及一種遙感圖像多類別目標檢測方法和系統(tǒng)，屬于圖像處理技術(shù)領(lǐng)域。

背景技術(shù)

目標檢測方法是計算機視覺一項重要的任務(wù)之一，廣泛應(yīng)用于物體檢測、文字檢測、遙感目標檢測等領(lǐng)域。其中，隨著遙感技術(shù)的發(fā)展，遙感圖像分辨率的提高，對 于在遙感圖像上的目標檢測性能也提出了更高的要求。自然場景下的圖像，目標通常 呈現(xiàn)垂直方向，尺寸大而且清晰。而遙感圖像上的目標，具有任意角度，狹長物體多， 類別之間尺度差異大以及不同尺度之間的目標數(shù)據(jù)量差異大等特點，因此自然圖像下 的目標檢測算法并不適用于遙感圖像。

目前基于深度學習的算法在目標檢測領(lǐng)域取得了巨大的進步，其中雙階段目標檢測算法較單階段目標檢測算法在精度上有優(yōu)勢，在速度上則略遜一籌。以文獻(Faster R-CNN:Towards Real-Time Object Detection with Region Proposal Networks, S.Ren,et al.,IEEE Transactions on Pattern Analysis and Machine Intelligence,39(6),1137-1149,20170601)為代表的雙階段目標檢測算法和以 RetinaNet(Focal Loss forDense Object Detection,T.Lin,et al.,2017 IEEE International Conference onComputer Vision(ICCV),Venice,2999-3007,2017) 為代表的單階段目標檢測算法在自然圖像下的目標檢測取得了令人矚目的效果，然而 這些方法并不適合直接應(yīng)用于遙感圖像。一些學者基于性能優(yōu)異的自然圖像目標檢測 算法，結(jié)合旋轉(zhuǎn)框的定位方式，提出適用于遙感圖像多類別目標檢測的算法，并取得 了一定的成效。

而帶有角度的旋轉(zhuǎn)框的定位方式，由于角度的周期性，同樣也帶來了定位框的邊界問題。此外，遙感數(shù)據(jù)集通常具有長尾特點，不同尺度目標之間的數(shù)量上的巨大差 異也大大阻礙了檢測性能。目前一些工作針對密集小目標的研究取得了一定成效，但 是很少有工作關(guān)注狹長目標的檢測效果。由于單階段算法在精度上的劣勢，多數(shù)的細 分領(lǐng)域的研究工作依舊基于雙階段算法。為了兼顧檢測速度，提升算法性能，提升單 階段的檢測精度顯得尤為重要。

綜合上述分析，研究能有效處理任意角度的目標、狹長目標多、尺度分布不平衡，檢測速度慢等難點的高性能多類遙感目標檢測方法，顯得尤為重要。因此，亟需一種 新的遙感圖像檢測手段來進一步提高目標檢測的準確度。

發(fā)明內(nèi)容

針對上述問題，本發(fā)明的目的是提供了一種遙感圖像多類別目標檢測方法和系統(tǒng)， 其可以有效處理多角度多類別以及狹長目標。

為實現(xiàn)上述目的，本發(fā)明采取以下技術(shù)方案：一種遙感圖像多類別目標檢測方法，包括以下步驟：S1通過不規(guī)則金字塔特征提取網(wǎng)絡(luò)提取輸入圖像的不規(guī)則多尺度特征 圖；S2在不規(guī)則多尺度特征圖上，每個位置點上設(shè)置錨點框；S3將不規(guī)則多尺度特征 圖和錨點框輸入第一階段檢測子網(wǎng)絡(luò)，設(shè)置第一階段檢測子網(wǎng)絡(luò)的損失函數(shù)，并根據(jù) 第一階段的損失函數(shù)輸出第一階段的預測框；S4將不規(guī)則多尺度特征圖和第一階段的 預測框輸入第二個階段檢測子網(wǎng)絡(luò)；設(shè)置第二個階段檢測子網(wǎng)絡(luò)的損失函數(shù)，并根據(jù) 第二階段的損失函數(shù)輸出第二階段的預測框；S5根據(jù)第二階段的預測框獲取最終目標。