[發明專利]一種光學遙感圖像數據增強方法及目標識別方法

有效

• 申請號: 202011264114.9
• 申請日: 2020-11-12
• 公開（公告）號: CN112348758B
• 公開（公告）日: 2022-09-02
• 發明（設計）人: 張小龍;陳彥橋;柴興華;李陽陽;史雯熙;何愛媛
• 申請（專利權）人: 中國電子科技集團公司第五十四研究所
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06V10/25;G06V10/82
• 代理公司: 河北東尚律師事務所 13124
• 代理人: 王文慶

本發明公開了一種光學遙感圖像數據增強方法及目標識別方法，屬于圖像處理及遙感圖像目標檢測技術領域。本發明采用數據增強方法對光學遙感圖像進行數據增強，增加圖像中的目標個數；然后使用增強后的圖像對目標識別神經網絡進行訓練；并使用訓練好的目標識別神經網絡對待檢測的遙感圖像進行目標識別。數據增強時，首先制作各類目標的前景圖片；然后將待增強的光學遙感圖像作為背景圖片，識別出背景圖片中所應放置的目標類別；接著選出能放置目標的背景圖片切片作為候選框，并在指定的候選框中放置相應類別的目標。本發明能夠增加訓練樣本的多樣性，提高光學遙感圖像的目標檢測精度。

技術領域

本發明屬于圖像處理、光學遙感圖像目標檢測技術領域，具體涉及一種光學遙感圖像數據增強方法及目標識別方法。

背景技術

近些年來，得益于航空航天技術以及傳感器研究的發展，遙感的現代化技術已經能實現多個波段、高速、動態的觀測，普通光學遙感圖像、高光譜圖像、合成孔徑雷達圖像等領域的研究，正在受到廣泛關注，并被應用于軍事、農業、海洋和林業等領域。

光學遙感技術領域也在迅速地發展，分辨率不斷提升。各個國家都在積極發展高分辨率的遙感衛星技術。這項技術最開始主要目的是獲取敵對國家的軍事或經濟情報以及相關的地理空間數據等。

隨著高分辨率的遙感衛星的發展，高分辨率的光學遙感圖像具有更直觀、噪聲少、同時不受電磁干擾等一些優點，在環境保護、城市管理、救災、搶險等領域都有著應用。

近年來，深度學習技術快速發展，導致圖像處理領域發展迅速。目標檢測作為圖像處理領域的經典研究方向，也面臨著新的挑戰和突破。一些學者將深度學習應用到遙感圖像的目標檢測任務中來，并且取得一些成績，如何更好的實現適合遙感圖像的處理方式，也成為一項新的挑戰。

光學遙感圖像的獲取方式與普通光學圖像不同，數據量較比普通光學圖像更少。由于深度學習的特征提取參數量很大，任務復雜，需要依托于大量數據，因此在光學遙感圖像的研究上無法很好滿足，所以如何更好地在光學遙感圖像目標檢測領域進行數據增強從而改進光學遙感圖像目標檢測與識別效果具有非常深刻的意義。

圖像處理領域的數據增強技術主要應用在圖像分類領域，數據增強技術可以讓數據集在體量有限的情況下，產生更多的數據，讓數據集更豐富。卷積神經網絡(Convolutional Neural Networks，CNN)的參數體量較大，很多是以百萬計，如果要達到更好的訓練效果則必然需要大量的數據，否則很容易產生過擬合的問題。通過數據增強技術可以提高訓練出來的模型的泛化能力。CNN有一個特性叫做不變性，即當圖片被放在各種不相同的方向時，CNN依然可以對其進行分類處理。簡單來說，即為CNN對視角、尺寸的改變或平移均能保持不變。這個特性是數據增強技術的前提，常見的數據增強方法有平移、旋轉以及修改對比度、亮度、顏色等。但這些方法魯棒性差，對圖像沒有本質意義上的轉變，因此不能夠很好地利用卷積神經網絡提取特征的強大功能從而大幅度提升識別的準確率。

發明內容

本發明的目的在于針對上述現有技術的不足，提出一種光學遙感圖像數據增強方法及目標識別方法，其能夠提升訓練樣本的數量與每張圖片中目標的數量，加大訓練難度，從而提高光學遙感圖像目標檢測的精度。

為了實現上述目的，本發明采用的技術方案為：

一種光學遙感圖像數據增強方法，包括以下步驟：

(1)制作各類目標的前景圖片；

(2)將待增強的光學遙感圖像作為背景圖片，通過場景識別神經網絡識別出背景圖片中所應放置的目標類別；

(3)將背景圖片劃分為切片，通過位置識別神經網絡判斷各切片是否能放置目標，選出能放置目標的切片作為候選框；

(4)在指定的候選框中放置相應類別的目標，得到數據增強的光學遙感圖像。