[發(fā)明專利]一種基于目標(biāo)感知的遙感圖像船只小目標(biāo)檢測方法

在審

• 申請?zhí)枺?/td>: 202111043241.0
• 申請日: 2021-09-07
• 公開（公告）號: CN113780152A
• 公開（公告）日: 2021-12-10
• 發(fā)明（設(shè)計）人: 史振威;田路云;陳劍奇;陳科研;劉子力;賀廣均
• 申請（專利權(quán)）人: 北京航空航天大學(xué);北京衛(wèi)星信息工程研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/36;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 北京慧泉知識產(chǎn)權(quán)代理有限公司 11232
• 代理人: 王順榮;唐愛華

本發(fā)明公開一種基于目標(biāo)感知的遙感圖像船只小目標(biāo)檢測方法，基于多任務(wù)學(xué)習(xí)、YOLOv5、特征金字塔、多頭注意力、超分辨重建等方法，具體步驟如下：一、讀入圖像數(shù)據(jù)并進行預(yù)處理；二、構(gòu)造基于目標(biāo)感知的多任務(wù)深度神經(jīng)網(wǎng)絡(luò)；三、訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)，得到靜態(tài)模型參數(shù)；四、利用去除目標(biāo)感知分支后的訓(xùn)練好的模型進行遙感圖像目標(biāo)檢測。本發(fā)明通過設(shè)計一種新型的基于目標(biāo)感知的多任務(wù)深度學(xué)習(xí)網(wǎng)絡(luò)，能夠?qū)Φ头直媛蕦挿b感圖像下的船只小目標(biāo)有更加優(yōu)秀的檢測性能，并保證實時的檢測速度。輸入為遙感圖像，輸出為船只小目標(biāo)的位置信息，自動化程度高，能夠大幅度提高效率、準(zhǔn)確度并降低成本。

技術(shù)領(lǐng)域

本發(fā)明一種基于目標(biāo)感知的遙感圖像船只小目標(biāo)檢測方法，尤其涉及深度學(xué)習(xí)中的多任務(wù)學(xué)習(xí)以及YOLOv5網(wǎng)絡(luò)的一種低分辨率寬幅可見光遙感圖像船只小目標(biāo)深度學(xué)習(xí)檢測方法，屬于低分辨率遙感圖像目標(biāo)檢測技術(shù)領(lǐng)域。

背景技術(shù)

在眾多衛(wèi)星遙感監(jiān)測目標(biāo)中，船只目標(biāo)一直是十分重要的觀測對象。作為海上主要的運輸載體，船只目標(biāo)無論在國防安全、軍事偵察等軍用領(lǐng)域，還是在環(huán)境保護、資源勘測等民用領(lǐng)域都有著十分重要的地位，也因此，船只檢測一直來都是遙感領(lǐng)域中的研究熱點。

遙感圖像的船只目標(biāo)檢測是指利用衛(wèi)星遙感平臺獲取掃描區(qū)域的遙感圖像數(shù)據(jù)，之后結(jié)合相應(yīng)的目標(biāo)檢測算法對其進行處理，最終獲取到海面船只的精確定位和相關(guān)的船只目標(biāo)信息。在過往幾十年里，遙感船只目標(biāo)檢測主要集中于紅外圖像和合成孔徑雷達SAR(Synthetic Aperture Radar)成像，對可見光成像的研究則相對滯后。而隨著軟硬件的迅速發(fā)展以及大量資源的投入，可見光成像質(zhì)量和分辨率逐年提升，相比于紅外和SAR圖像，可見光圖像更貼合人眼觀測物體的方式，其所具備的直觀易理解、內(nèi)容豐富易解譯的優(yōu)點，吸引著大批研究人員投入到遙感可見光圖像任務(wù)的研究當(dāng)中。而與此同時，我國開展高分辨率對地觀測系統(tǒng)重大專項，搭載有可見光相機的高分系列衛(wèi)星依次升空，為可見光任務(wù)提供了海量高質(zhì)量的圖像數(shù)據(jù)，進一步推動了遙感可見光圖像任務(wù)的研究。正是在這種環(huán)境下，基于可見光圖像的船只目標(biāo)檢測有著更大的發(fā)展?jié)撃埽谡麄€遙感領(lǐng)域有著愈加重要的地位。

隨著大數(shù)據(jù)時代的開啟以及計算機并行計算硬件的不斷迭代更新，基于深度學(xué)習(xí)的船只目標(biāo)檢測方法成為大勢所趨，其檢測精度、穩(wěn)定性相比于傳統(tǒng)檢測方法有著巨大的提升，在船只目標(biāo)檢測領(lǐng)域占據(jù)著主流地位。目前，深度學(xué)習(xí)船只檢測方法多是以自然圖像中的目標(biāo)檢測網(wǎng)絡(luò)為基礎(chǔ)，并結(jié)合船只目標(biāo)的特性進行適應(yīng)性改造提出的。深度學(xué)習(xí)目標(biāo)檢測網(wǎng)絡(luò)主要可以分為two-stage二階段算法以及one-stage一階段算法。其中，二階段算法主要以RCNN (Regions with CNN features)系列為主，而一階段算法主要以YOLO(Youonly look once)系列為主。目前的船只檢測方法，在上述目標(biāo)檢測網(wǎng)絡(luò)的基礎(chǔ)上，通過融合船只目標(biāo)的形狀特征、提取船頭船尾特征、船只尾跡特征以及加入船只角度信息，將自然圖像中的目標(biāo)檢測方法成功應(yīng)用于遙感船只檢測中，并衍生出無向船只檢測與有向船只檢測兩大類，推動著可見光船只目標(biāo)檢測領(lǐng)域向更高精度、更高穩(wěn)定性的方向發(fā)展。

然而，盡管針對可見光船只目標(biāo)已經(jīng)提出了眾多性能優(yōu)異的深度學(xué)習(xí)檢測方法，其中大多數(shù)方法主要是面向亞米級高分辨率的遙感圖像，而對諸如16m等較低分辨率的遙感圖像缺少相應(yīng)的研究。亞米級遙感圖像中船只目標(biāo)通常所占像素面積較大，紋理清楚、目標(biāo)所含信息多、易與背景區(qū)分；而在16m分辨率圖像中，船只目標(biāo)紋理形狀等信息大幅度減少，多數(shù)情況下所占像素面積只有不到20×20，目標(biāo)所含信息少、更容易受到背景干擾，但盡管如此，16m分辨成像有著幾百千米的幅寬，相比于亞米級成像幾十千米的幅寬，16m分辨率成像所具備的大視野特性，在軍事領(lǐng)域、民用領(lǐng)域有著更加重要的戰(zhàn)略意義。因此，對16m分辨率可見光成像船只小目標(biāo)檢測方法的探索研究，其所蘊含的科學(xué)價值是十分巨大的，同時，也能為其他低分寬幅成像任務(wù)提供必要的參考與指導(dǎo)。

發(fā)明內(nèi)容