【技术实现步骤摘要】
基于兴趣区域重检测的宽幅光学遥感目标检测方法
专利技术属于光学遥感图像处理
,更进一步涉及智能宽幅光学遥感目标检测,具体是一种基于兴趣区域重检测的宽幅光学遥感目标检测方法。本专利技术可用于星载、机载光学宽幅光学遥感图像场景下进行目标准确定位、目标跟踪、行人重识别、违章车辆检测等诸多应用。
技术介绍
随着现代航天遥感技术的发展,卫星对地观测能力大幅提升,光学遥感数据分析与处理在军用和民用上都发挥重要的作用。在军事方面,光学遥感数据分析与处理方便收集情报和侦察,进而调整作战计划、军事部署;在民用方面,可以用于灾情监测、农业估产调查、土地利用规划、城市交通监测等诸多应用,遥感图像目标检测与识别是遥感图像处理中非常重要的内容,对遥感图像进行高效和精准的检测与识别在实际军事和民用应中发挥着重要的作用。现阶段的光学遥感技术,已经达到了高分辨率、大幅宽、高速以及多谱段探测的水平,导致获取的光学遥感数据量不断增大;高效的遥感图像处理方式在如此庞大的数据量中变得至关重要。中科院大学WangW等人其发表论文[Anovelmethodofaircraftdetectionbasedonhigh-resolutionpanchromaticopticalremotesensingimages[J].Sensors,2017,17(5):1047.],其中以直线段加权密度显著模型为基础设计改进了机场区域检测算法,主要针对大幅宽低分辨率复杂场景光学遥感图像中进行机场目标的快速搜索与定位,得到目标的候选区域,提高目标识别效率,但是该设计方法将宽幅遥感大图基于传统的特征。文献[Li ...
【技术保护点】
1.一种基于兴趣区域重检测的宽幅光学遥感目标检测方法,包括有以下步骤:(1)制作多尺度训练样本:输入宽幅光学遥感大图,将宽幅遥感图像切块分割成多尺度小图,制作成检测网络模型训练样本;(2)构造混合重检测网络模型:检测网络模型主要包括特征提取网络、反卷积模块、侧连接融合模块和预测网络结构四部分;(2a)通过基于ImageNet预训练模型ResNet‑50进行多尺度小图特征提取;(2b)在特征提取层后面加入反卷积层,提取分辨率高的、语义信息丰富的特征;(2c)将浅层特征与深层特征通过侧连接模块进行特征拼接融合,得到融合特征;(2d)将检测网络模型设置多个不同尺度的融合特征进行预测;(2e)对多个不同尺度特征每个位置点设定其预测锚框anchors的数量、尺度和比例;(2f)对多个不同尺度特征分别加入位置回归金字塔网络和分类金字塔预测网络;(3)对混合重检测网络模型进行训练:反卷积模块、侧连接融合模块和预测网络参数随机初始化,采用反向传播算法进行重检测网络模型参数反复迭代更新;重检测网络模型训练到最大迭代次数,模型更新结束,得到训练好的重检测网络模型;(4)宽幅影像候选兴趣区域提取与重检测:通 ...
【技术特征摘要】
1.一种基于兴趣区域重检测的宽幅光学遥感目标检测方法,包括有以下步骤:(1)制作多尺度训练样本:输入宽幅光学遥感大图,将宽幅遥感图像切块分割成多尺度小图,制作成检测网络模型训练样本;(2)构造混合重检测网络模型:检测网络模型主要包括特征提取网络、反卷积模块、侧连接融合模块和预测网络结构四部分;(2a)通过基于ImageNet预训练模型ResNet-50进行多尺度小图特征提取;(2b)在特征提取层后面加入反卷积层,提取分辨率高的、语义信息丰富的特征;(2c)将浅层特征与深层特征通过侧连接模块进行特征拼接融合,得到融合特征;(2d)将检测网络模型设置多个不同尺度的融合特征进行预测;(2e)对多个不同尺度特征每个位置点设定其预测锚框anchors的数量、尺度和比例;(2f)对多个不同尺度特征分别加入位置回归金字塔网络和分类金字塔预测网络;(3)对混合重检测网络模型进行训练:反卷积模块、侧连接融合模块和预测网络参数随机初始化,采用反向传播算法进行重检测网络模型参数反复迭代更新;重检测网络模型训练到最大迭代次数,模型更新结束,得到训练好的重检测网络模型;(4)宽幅影像候选兴趣区域提取与重检测:通过训练好的重检测网络模型对输入宽幅光学遥感大图先进行滑窗候选兴趣区域提取,不重叠检测,再对候选兴趣区域通过重检测模型进行重检测,得到重检测后的整张光学遥感大图的检测结果。2.根据权利要求1所述的基于兴趣区域重检测的宽幅光学遥感目标检测方法,其特征在于,步骤(1)中所述的制作多尺度训练样本,具体包括有如下步骤:1.1输入一张宽幅光学RGB遥感图像;1.2先对宽幅光学RGB遥感图像分别进行飞机、舰船目标进行人工标注,得到宽幅大图数据的标签文件;1.3将宽幅光学遥感图像以600*600大小滑窗分块切割成小图,切块顺序为从左至右,从上往下;再以宽幅遥感数据的每个目标的标注为中心,分别以两个固定区域大小448*448和600*600切块成多尺度小图;1.4对每张小图的每个目标进行判断,如果目标在某个多尺度小图的面积比例大于目标在原来宽幅光学RGB遥感大图面积的25%,则将该多尺度小图中的目标标记为真实目标,否则作为虚警目标;1.5判断每张切块多尺度小图是否包含真实目标,如果不包含真实目标,则将多尺度小图作为为负类样本,不作为检测模型的训练数据。3.根据权利要求1所述的基于兴趣区域重检测的宽幅光学遥感目标检测方法,其特征在于,步骤(2e)中所述对多个不同尺度融合特征每个位置点设定其预测锚框anchors的数量、尺度和比例,具体包括有如下步骤:2e.1为了考虑遥感数据小目标的分布,本发明设定6个预测层,分别为P7,P6,P5,P4,P3,P2;6个预测层锚框anchors基准尺度设定分别为[1...
【专利技术属性】
技术研发人员:杨淑媛,胡滔,冯志玺,王敏,刘志,徐光颖,王俊骁,孟会晓,郝晓阳,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。