[發明專利]基于級聯型回歸修正的光學遙感圖像飛機檢測方法和裝置

在審

• 申請號: 202110763935.5
• 申請日: 2021-07-06
• 公開（公告）號: CN113537017A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 高陽特;韓健鴻
• 申請（專利權）人: 北京理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 肖艷

1.一種基于級聯型回歸修正的光學遙感圖像飛機檢測方法，其特征在于，包括：

將采集的原始光學遙感圖像進行剪裁，得到多個切片圖像；

將所述多個切片圖像依次輸入飛機檢測模型，輸出各個切片中檢測到目標飛機的檢測框位置信息；

其中，所述飛機檢測模型基于初步檢測框修正模型和再次修正分類模型級聯構成，所述初步檢測框修正模型基于樣本第一圖像和對應的目標物體標注框進行訓練后得到的，所述再次修正分類模型基于樣本第二圖像、對應的目標物體標注框和目標物體是否為飛機分類標簽進行訓練后得到的，所述樣本第一圖像來自于基于剪裁后光學遙感圖像構建的第一樣本集，所述樣本第二圖像來自于基于帶初步檢測框的樣本第一圖像構建的第二樣本集；

將所述檢測框位置信息映射回所述原始光學遙感圖像的坐標并合并，得到最終的飛機檢測結果。

2.根據權利要求1所述的基于級聯型回歸修正的光學遙感圖像飛機檢測方法，其特征在于，所述初步檢測框修正模型訓練時的網絡結構包括順次連接的多尺度特征提取網絡、先驗錨框生成網絡和檢測框修正網絡；

其中，所述多尺度特征提取網絡用于將輸入任一圖像進行下采樣，得到所述任一圖像的N種尺寸特征圖，對所述N種尺寸特征圖以預設規則進行融合，得到所述任一圖像的N種融合特征圖；

所述先驗錨框生成網絡用于基于預先設置的先驗錨框長寬比的數量和先驗錨框尺度的數量確定N種融合特征圖的每個點上的產生先驗錨框的數量；

所述檢測框修正網絡用于基于所述先驗錨框與真實目標物體標注框之間的偏移量優化修正先驗框參數。

3.根據權利要求1所述的基于級聯型回歸修正的光學遙感圖像飛機檢測方法，其特征在于，所述再次修正分類模型包括所述多尺度特征提取網絡、檢測框再次修正網絡和分類網絡；

其中，所述檢測框再次修正網絡用于基于所述初步檢測框樣本和真實物體標注框之間的偏移量優化修正初步檢測框參數；

所述分類網絡用于基于所述檢測框再次修正網絡輸出的預測檢測框確定的預測目標物體為飛機概率和目標飛機標注框之間的分類誤差優化所述分類網絡中的置信度參數。

4.根據權利要求1所述的基于級聯型回歸修正的光學遙感圖像飛機檢測方法，其特征在于，所述第一樣本集的構建，具體包括：

將采集的樣本光學遙感圖像進行若干次旋轉、水平和垂直翻轉操作，得到初步擴充后樣本光學遙感圖像；

將所述初步擴充后樣本光學遙感圖像再進行馬賽克數據增強，得到完全擴充后樣本光學遙感圖像；

將所述完全擴充后樣本光學遙感圖像中的每一圖像進行剪裁，得到第一樣本集。

5.根據權利要求4所述的基于級聯型回歸修正的光學遙感圖像飛機檢測方法，其特征在于，所述第二樣本集的構建，具體包括：

將所述第一樣本集中的圖像輸入訓練完成的所述初步檢測框修正模型，輸出各樣本圖像的帶有初步檢測框的樣本第二圖像；

基于所述第二樣本圖像構建第二樣本集。

6.根據權利要求1-5中任一項所述的基于級聯型回歸修正的光學遙感圖像飛機檢測方法，其特征在于，所述將采集的原始光學遙感圖像進行剪裁，得到多個切片圖像，具體包括：

使用重疊滑動窗口對采集的原始光學遙感圖像進行剪裁，得到多個前后剪裁圖像之間存在重疊像素的剪裁圖像序列；

將所述剪裁圖像序列中的圖像依次進行差值上采樣，得到多個切片圖像。

7.根據權利要求6所述的基于級聯型回歸修正的光學遙感圖像飛機檢測方法，其特征在于，所述將所述檢測框位置信息映射回所述原始光學遙感圖像的坐標并合并，得到最終的飛機檢測結果，具體包括：

基于所述差值上采樣的采樣規則，確定還原映射函數；

基于所述還原映射函數將所述檢測框位置信息映射回所述原始光學遙感圖像的坐標，得到目標結果坐標；

采用非極大值抑制規則對所述目標結果坐標中的重疊數據進行合并，得到最終的飛機坐標檢測結果。