[發明專利]一種多場景飛機目標檢測方法

在審

• 申請號: 202210395544.7
• 申請日: 2022-04-15
• 公開（公告）號: CN114724050A
• 公開（公告）日: 2022-07-08
• 發明（設計）人: 趙利民;李家國;劉萬濤;陳興峰;聶云峰;陳洪真;胡雪可;李華富
• 申請（專利權）人: 中國科學院空天信息創新研究院
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/80;G06K9/62;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京億騰知識產權代理事務所(普通合伙) 11309
• 代理人: 陳霽

本發明涉及一種多場景飛機目標檢測方法，包括：根據高分辨率衛星遙感影像裁剪飛機目標圖像，制作飛機目標數據集；統計海量不同氣候、不同光照下的飛機目標圖像，獲取飛機目標中心點響應光譜，并根據響應光譜獲取通道增量先驗知識，通過通道增量先驗知識對飛機目標樣本進行多場景增廣；采用多級跳連接的深層次殘差網絡將多級提取的飛機目標特征融合，得到高語義關系的特征圖；結合候選框采用雙線性插值截取特征圖，經過神經網絡推理出飛機目標錨框位置，并結合非極大抑制算法剔除重疊飛機目標錨框位置坐標，最終將飛機目標的坐標繪制在遙感影像上。本發明提高了深度學習方法在不同場景下的泛化能力與識別精度，進而提高飛機目標檢測能力。

技術領域

本發明涉及遙感影像處理技術領域，尤其是涉及一種多場景飛機目標檢測方法。

背景技術

飛機目標的檢測對機場動態監控以及對飛機的搜索起著至關重要的作用。隨著人們出行日益的頻繁，飛機作為主要的載體工具，成為遠途旅行出差必不可少的工具。飛機的定位一般依靠黑匣子中的定位系統，發生故障后存在失聯的情況，基于衛星遙感技術對飛機目標定位具有站的高，看的遠的特點，可作為輔助跟蹤飛機的手段，高分二號衛星為我國自主研制的衛星，具有高分辨、多譜段、覆蓋廣的特點，為精準的飛機目標檢測提供了可能性。

近年來，基于遙感衛星飛機目標檢測取得了較大的研究進展。利用顯著圖凸顯目標，使用基于區域增長和線性標記算法尋找連通區域確定候選目標的數量和位置；結合提取征描述子，標準差和均值的比值來評估特征的穩定性，再把提取的特征結合成特征向量利用支持向量機(support vector machines,SVM)完成識別。可以使用遷移學習的方法在有標簽樣本稀缺的情況下有效構建深度網絡。利用卷積神經網絡對遙感影像中飛機目標進行檢測與識別，構建的小樣本數據集中達到較好效果。由于深度學習方法對海量數據具有較好的泛化能力，因此成為目標特征的提取的主流方法。但遙感飛機目標檢測受氣候、光照等影響，目標特征差異較大，因此，針對飛機遙感影像，如何提高深度學習方法在不同場景下的泛化能力與識別精度，進而提高飛機目標檢測能力是目前亟待解決的技術問題。

發明內容

本發明的目的是提供一種多場景飛機目標檢測方法，能夠提高深度學習方法在不同場景下的泛化能力與識別精度，進而提高飛機目標檢測能力。

本發明提供了一種多場景飛機目標檢測方法，包括：根據高分辨率衛星遙感影像裁剪飛機目標圖像，制作飛機目標數據集，并對數據集中的飛機目標圖像進行幾何增廣，得到多個樣本圖像；其中，數據集包括飛機目標坐標信息；根據多個樣本圖像與飛機目標坐標信息獲取飛機目標中心點響應光譜；根據飛機目標數據集中所有樣本圖像的響應光譜獲得響應光譜最大值與最小值，并根據響應光譜最大值與最小值計算其與每一張樣本圖像中飛機目標中心點響應光譜的通道增量先驗知識；根據不同光照與氣候條件下飛機中心點先驗知識的樣本擴充技術，結合通道增量先驗知識與多個樣本圖像進行飛機目標的多場景樣本增廣，得到多個飛機目標樣本；將多個飛機目標樣本與飛機目標坐標信息輸入目標檢測模型進行訓練，其中，目標檢測模型采用多級跳連接的深層次殘差網絡將多級提取的飛機目標特征融合，得到高語義關系的特征圖；結合飛機目標錨框采用雙線性插值截取特征圖，經過神經網絡推理出飛機目標錨框位置，并結合非極大抑制算法剔除重疊飛機目標錨框位置坐標，最終將飛機目標的坐標繪制在遙感影像上。

在一種可能的示例中，根據高分辨率衛星影像裁剪飛機目標圖像，制作飛機目標數據集包括：選取多個不同光照、不同氣候的多場景高分辨率遙感影像，將每個遙感影像劃分為416*416大小的網格塊，計算飛機目標對應的網格塊位置，裁剪飛機目標對應的網格塊，同時記錄飛機目標在網格塊上的相對坐標，生成飛機目標圖像的數據集。

在一種可能的示例中，根據高分辨率衛星影像裁剪飛機目標圖像，制作飛機目標數據集還包括：對數據集中的飛機目標圖像進行歸一化處理；其中，歸一化計算公式如下：

式中x表示影像圖，x′表示歸一化的圖像，min(x)表示訓練圖像的最小值，max(x)表示訓練圖像的最大值。