[發明專利]一種基于邊緣主體融合信息的遙感目標顯著性檢測方法

有效

• 申請號: 202011494987.9
• 申請日: 2020-12-17
• 公開（公告）號: CN112465815B
• 公開（公告）日: 2023-09-19
• 發明（設計）人: 周曉飛;王靈波;顏成鋼;孫垚棋;張繼勇
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/181;G06V10/80;G06N3/0464;G06N3/08
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

本發明公開了一種基于邊緣主體融合信息的遙感目標顯著性檢測方法。本發明步驟：1、圖像數據預處理；2、網絡搭建：網絡包括encoder部分和decoder部分；encoder部分包括一個輸入卷積層和六個卷積塊，其中前四個卷積塊采用ResNet34；encoder和decoder之間添加3個3*3的卷積層作為橋接；Decoder部分與encoder部分為對稱結構，每個解碼塊與對應encoder部分concat的同時，還將前一個解碼塊concat到當前解碼塊；3、數據輸入和訓練。本發明有效利用了編碼階段的邊緣信息和主體信息，并選擇使用多loss融合的模式對U?net解碼部分的各個邊緣輸出進行約束，同時對各個邊緣輸出進行融合，使得遙感目標的檢測取得了顯著提升。

技術領域

本發明屬于計算機視覺領域，涉及顯著目標檢測、遙感圖像檢測領域。具體涉及一種基于邊緣主體融合信息的遙感目標顯著性檢測方法。

背景技術

隨著深度學習、神經網絡的飛速發展，計算機視覺領域實現了前所未有的跨越。目標檢測作為計算機視覺領域一個經典大類，受到廣泛的研究和探討，在顯著目標檢測、行人重識別、圖像數據評估等各個方向都取得了巨大進步。在生活中，面部掃描、車牌掃描、天網工程等都利用到了目標檢測的相關技術。

人類視覺系統在面對自然場景時具有快速搜索和定位感興趣目標的能力，這種視覺注意機制是人們日常生活中處理視覺信息的重要機制。隨著互聯網帶來的大數據量的傳播，如何從海量的圖像和視頻數據中快速地獲取重要信息，已經成為計算機視覺領域一個關鍵的問題。通過在計算機視覺任務中引入這種視覺注意機制，即視覺顯著性，可以為視覺信息處理任務帶來一系列重大的幫助和改善。顯著性物體檢測的目的即是從圖像中定位最有吸引力和視覺上獨特的物體或區域，大量應用于圖像分割、目標重定位、目標圖像前景注釋等鄰域。遙感圖像的顯著目標檢測在檢測上又不同于常規顯著性檢測任務，遙感圖像通過航空攝影、航空掃描、微波雷達等手段，以飛機、輪船等交通工具，公路、河流、運動場館等目標物體為主要分割對象，目標在圖像中往往較小且復雜。遙感圖像的顯著目標檢測在自然保護、雷達檢測等鄰域有巨大作用。

U-Net是現在最為流行的圖像分割網絡，網絡主要包括下采樣和上采樣兩個部分，通過下采樣對圖片特征進行提取處理，而上采樣則可以將特征信息進行還原，使得網絡最后輸出為一個完整圖像。

隨著深度神經網絡的飛速發展，遙感圖像的顯著目標檢測在檢測精度以及檢測速度上都有巨大進步，人們也發現在目標檢測中加入邊緣信息后能夠使得檢測結果有進一步提升。但是現存的方法只是單純地將邊緣信息加入到主體檢測中，幾乎沒人關注到主體檢測和邊緣檢測的協同優化效果。本文有效利用了邊緣信息和主體信息，利用邊緣信息指導主體，同時利用主題信息反饋指導邊緣，使得顯著目標檢測，尤其是遙感目標的顯著目標檢測結果有了巨大提升。

發明內容

針對現有技術存在的問題，本發明提供一種基于邊緣主體融合信息的遙感目標顯著性檢測方法。

本發明解決其技術問題所采用的技術方案包括如下步驟：

步驟1、圖像數據預處理，獲得預處理后的圖像訓練集：

訓練數據集采用ORSSD圖像數據集。對待訓練數據集進行圖像預處理，首先去除圖像相關噪聲干擾使數據更加精確，并利用matlab工具獲得只含邊緣輪廓的圖像訓練集，然后對獲取的圖像訓練集進行擴增，從而獲得更好的訓練效果。

步驟2、網絡搭建：

網絡主要結構如圖1，本方法采用encoder-decoder辦法，網絡結構主體參考U-net，具體的：U-net的encoder部分包括一個輸入卷積層和六個卷積塊，其中前四個卷積塊采用ResNet34，為了得到和傳統ResNet34相同的感受野，在四個卷積塊后又添加了兩個卷積塊。為了更好的獲得全局信息，在網絡的encoder和decoder之間添加3個3*3的卷積層作為橋接。