[發明專利]基于多層級特征選擇卷積神經網絡的遙感目標檢測方法

在審

• 申請號: 202110090408.2
• 申請日: 2021-01-22
• 公開（公告）號: CN112766184A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 蔣晨;郭成昊;夏思宇;羅子娟;李友江
• 申請（專利權）人: 東南大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 許小莉

本發明公開了一種基于多層級特征選擇卷積神經網絡的遙感目標檢測方法，該方法首先搭建卷積神經網絡模型，并對搭建的卷積神經網絡結構參數進行設定和訓練參數初始化；再對訓練圖像進行預處理和標簽格式轉化，然后預處理和標簽格式轉化的訓練圖像進行數據增強；進行卷積神經網絡模型訓練，得到網絡權重和偏置；將測試圖像輸入訓練好的神經網絡模型，得到定位和分類結果。由于基于水平框的目標識別對緊密排列的旋轉物體無法正確定位，同時按目標尺寸大小進行特征分類的方式過于簡單而存在問題，通過本發明公開的多層級特征選擇卷積神經網絡的方法可以實現任意方向物體的識別以及分類，并大大提高準確率。

技術領域

本發明屬于計算機視覺遙感檢測領域，涉及一種基于多層級特征選擇卷積神經網絡的遙感目標檢測方法。

背景技術

經過三十多年的發展，現代遙感技術涵蓋了遙感(Remote Sense,RS)、地理信息系統(Geology Information System,GIS)、全球定位系統(Global Positioning System,GPS)等空間信息技術，逐漸深入到國民經濟、社會生活和國家安全的各個方面，遙感技術的發展與應用水平已成為綜合國力評價的重要標志之一。為了盡可能獲取更豐富的遙感信息，遙感圖像的空間分辨率一般都比較高，尺寸較大，準確地從大量的遙感圖像中獲取有價值的目標信息是一項費時費力的工作，因此如何從海量的遙感信息中自動提取有價值的目標信息具有重要的研究意義與應用價值。

傳統目標檢測算法主要依賴于待檢測物體的紋理、邊緣等底層特征，為了滿足不同應用任務中的目標檢測需求，研究人員設計了用于提取目標局部紋理或邊緣等特征的描述，并在此基礎上實現了能夠檢測不同目標的檢測器。但是由于遙感目標具有非常復雜的局部特征信息，且部分目標與背景的紋理特征具有較高的相似度，導致基于傳統底層特征描述子的目標檢測器在處理遙感目標檢測任務時魯棒性較差，檢測結果無法令人滿意。

隨著卷積神經網絡的提出，目標檢測技術也因此取得了重大的突破，尤其在文字檢測、航空影像、安保領域等應用發展迅速。當前主流的檢測器根據輸出形式的不同，可以分為水平框和旋轉框檢測。水平框檢測一般以(x,y，w，h)為標注方式，(x，y)是水平框中心點的坐標，w和h分別代表水平框的寬和高。但是水平框很難準確定位任意方向排列的物體，尤其是在航空影像中，由于視角的原因，遙感圖像中的視角基本都是高空俯視，目標的方向都是不確定的，可以呈現不同的方向。當這些物體像車和船之類緊密排列時，水平框更會包裹住許多背景噪聲，這個時候就需要任意方向的目標檢測來輸出旋轉框，來更好地定位物體。

隨著卷積神經網絡的不斷發展，深度學習算法的迭代更新，網絡模型的結構也在不斷地調整與優化，尤其是在特征提取和特征選擇方面的方法會有更大的改進空間。

發明內容

發明目的：針對上述現有方法存在的問題和不足，本發明旨在提供一種基于多層級特征選擇卷積神經網絡的遙感目標檢測方法，通過該方法可以利用多層級特征選擇卷積神經網絡模型實現對遙感圖像進行任意方向的目標檢測，并且有效提高對目標的定位和分類能力。

技術方案：為實現上述發明目的，本發明采用技術方案如下：一種基于多層級特征選擇卷積神經網絡的遙感目標檢測方法，該方法包括以下步驟：

(1)搭建卷積神經網絡模型，并對搭建的卷積神經網絡結構參數進行設定和訓練參數初始化；

(2)對訓練圖像進行預處理和標簽格式轉化，然后預處理和標簽格式轉化的訓練圖像進行數據增強；

(3)用步驟(2)中得到的數據進行卷積神經網絡模型訓練，得到網絡權重和偏置；

(4)將測試圖像輸入步驟(3)中訓練好的神經網絡模型，得到定位和分類結果。

其中，在步驟(1)中，所述搭建卷積神經網絡模型的結構如下：