基于海陆分割和特征金字塔网络的港口停靠舰船检测方法技术

本发明专利技术提供一种基于海陆分割和特征金字塔网络的港口停靠舰船检测的方法。利用已知海洋和陆地样本切片数据构建海陆二分类模型，得到待处理遥感影像中若干个海洋区域的初始点并进行生长，完成海陆分割；沿着海岸线对待处理遥感影像进行无重叠切分，生成一系列初始候选框切片。利用基于区域候选网络的目标检测框架和特征金字塔网络，构建舰船检测网络模型，并利用训练好的舰船检测网络模型对生成的初始候选框切片数据进行检测，依据每个切片舰船检测结果得到待处理遥感影像的舰船检测结果。本发明专利技术利用海陆分割和深度学习技术，大大提高了对大幅遥感影像舰船检测速度，降低了舰船检测的虚警率，同时，能够应对多种尺度的舰船目标检测问题。

Detection method of port docked ships based on sea land segmentation and feature pyramid network

【技术实现步骤摘要】
基于海陆分割和特征金字塔网络的港口停靠舰船检测方法
本专利技术属于遥感图像智能处理
，更为具体地讲，涉及基于海陆分割和特征金字塔网络的港口停靠舰船检测方法。
技术介绍
近年来，随着光学遥感成像技术的发展，光学遥感图像在空间分辨率、光谱分辨率、时间分辨率等方面取得了巨大进步，对地观测能力得到很大提升，使得军事侦察情报的可侦察内容更加丰富，目标细节辨识能力大幅提高。舰船作为海上运输载体和重要军事目标，其自动检测与识别在民用、军事领域有着广阔的应用前景。其中，港口停靠舰船检测是监视特定港口海运交通、获取舰船部署与动态的主要手段，具有重要的研究价值。不同于海上舰船，港口停靠舰船所处环境位于海陆交界处，背景较为复杂，各种类型舰船较为集中且尺度大小不一，同时陆地干扰信息较多，为舰船检测带来极大的困难。目前，针对遥感影像中港口停靠舰船的检测，一般首先对影像进行海陆分割，再利用舰船检测算法对港口停靠舰船进行检测。在海陆分割阶段，所用的方法包括基于先验地理信息的海陆分割、基于纹理、颜色、形状等特征的海陆分割、基于阈值分割的海陆分割和基于简单统计模型的海陆分割。这些方法均能在较小范围内对海洋和陆地进行准确分割，但无法满足大幅遥感影像中的海陆分割，具有一定的局限性。在舰船检测阶段，传统的检测方法包括基于SIFT等特征的舰船检测、基于形状的舰船检测、基于轮廓的舰船检测。这些方法难以应对海陆分界处的复杂环境，容易出现较多的虚警和漏警。随着人工智能技术的不断发展，基于深度学习的目标检测在人脸、车辆等自然图像中显示出优越的性能，但并没有在光学遥感影像中普遍应用。因此，本专利技术为了解决上述现有技术的缺点，将深度学习应用于光学遥感影像处理领域，结合海陆分割技术，有效解决大幅遥感影像中港口停靠舰船检测中虚警率过高和由于舰船尺度大小不一带来的漏检问题，大大提升了舰船检测的速度，具有很好的应用价值。
技术实现思路
本专利技术利用深度学习，结合海陆分割技术，提出基于海陆分割和特征金字塔网络的港口停靠舰船检测方法，有效解决港口停靠舰船中不同尺度大小的检测问题，降低了检测的虚警率。本专利技术提供的基于海陆分割和特征金字塔网络的港口停靠舰船检测的方法包括以下步骤：(1)利用已知的海洋和陆地样本切片数据，基于深度卷积神经网络构造海陆二分类模型；按照设定尺寸对待处理遥感影像进行切分，将待处理遥感影像切分成一系列设定尺寸的切片数据，利用海陆二分类模型对待处理遥感影像切片数据进行海陆二分类处理，得到若干海洋区域的切片，根据海洋区域切片找到待处理遥感影像中对应的若干个海洋区域的位置，基于该海洋区域位置采用区域多点生长的分割算法对待处理遥感影像中的海洋和陆地进行划分；(2)根据舰船长度知识信息和遥感影像空间分辨率大小，确定初始候选框的尺寸，基于该尺寸沿着海岸线以设定重叠率对影像进行切分，生成一系列初始候选框切片；(3)利用基于区域候选网络的目标检测框架和特征金字塔网络，构建舰船检测网络模型，并利用已知的舰船样本数据对舰船检测网络模型进行训练，利用训练好的舰船检测网络模型对所有的初始候选框切片进行舰船检测，依据每个切片舰船检测结果得到待处理遥感影像的舰船检测结果。所述步骤(1)中，深度卷积神经网络包括ResNet-50网络和VGG-16网络。所述步骤(1)中，将待处理遥感影像切分成一系列设定尺寸的切片数据，具体为：对待处理遥感影像按照设定尺寸进行无重叠切分，生成一系列切片数据。所述步骤(1)中，基于该海洋区域位置采用区域多点生长的分割算法对待处理遥感影像中的海洋和陆地进行划分，具体为：每个海洋区域切片中按灰度值选取一点作为海洋区域的初始点，基于这些初始点进行多点生长，完成对海洋和陆地的划分。所述步骤(2)中，初始候选框为正方形，其边长为：2×[L/X]，其中，L为舰船的最大长度，X为待处理遥感影像的空间分辨率大小。所述步骤(2)中，初始候选框为矩形，其短边长为：2×[L/X]，其中，L为舰船的最大长度，X为待处理遥感影像的空间分辨率大小。所述步骤(3)中，利用ResNet-101或VGG-16网络模型构建特征金字塔网络。所述步骤(3)中，基于区域候选网络的目标检测框架，采用FasterRcnn或FastRcnn。本专利技术所取得的有益效果为：本专利技术利用海陆分割技术，确定海岸线的位置，沿着海岸线提取舰船目标的初始候选框，然后利用深度学习技术，基于特征金字塔网络模型完成对舰船目标的检测，相比其他方法，大大提高了对大幅遥感影像舰船检测速度，降低了舰船检测的虚警率，同时，能够应对多种尺度的舰船目标检测问题。附图说明图1为本专利技术方案的流程图；图2为高分辨率遥感影像海洋多区域生长点图；图3为高分辨率遥感影像沿海岸线切分图；图4为特征金字塔网络示意图。具体实施方式本专利技术利用深度学习，结合海陆分割技术，提出基于海陆分割和特征金字塔网络的港口停靠舰船检测方法。首先，利用大量已知海洋和陆地样本切片数据构建海陆二分类模型并进行训练，针对大幅待处理遥感影像，利用训练好的海陆二分类模型得到待处理遥感影像中若干个海洋区域的初始点，采用区域多点生长算法对这些初始点进行生长，完成海陆分割，确定海岸线位置；然后，沿着海岸线对待处理遥感影像进行无重叠切分，生成一系列初始候选框切片。最后，利用基于区域候选网络的目标检测框架和特征金字塔网络，构建舰船检测网络模型，并利用已知的舰船样本数据对舰船检测网络模型进行训练，利用训练好的舰船检测网络模型对生成的初始候选框切片数据进行检测，依据每个切片舰船检测结果得到待处理遥感影像的舰船检测结果，具体的流程如图1所示。下面结合附图对本专利技术的具体实施方式和基本原理做进一步说明。步骤1,利用已知的海洋和陆地样本切片数据，基于深度卷积神经网络构造海陆二分类模型；按照设定尺寸对待处理遥感影像进行切分，将待处理遥感影像切分成一系列设定尺寸的切片数据，利用海陆二分类模型对待处理遥感影像切片数据进行海陆二分类处理，得到若干海洋区域的切片，根据海洋区域切片找到待处理遥感影像中对应的若干个海洋区域的位置，基于该海洋区域位置采用区域多点生长的分割算法对待处理遥感影像中的海洋和陆地进行划分；实施例中，利用大量已知的海洋和陆地区域的样本切片数据，基于ResNet50分类网络进行训练，得到能够对海洋和陆地切片进行准确分类的网络模型。针对待处理遥感影像数据，按照海洋和陆地样本切片数据的尺寸，对输入的大幅遥感影像无重叠切分，生成若干切片，利用训练好的海陆二分类模型对影像切片进行分类，得到一系列海洋区域的切片。然后，基于灰度特征确定每个海洋切片中概率最高的位置，作为海洋区域的初始点，图2中的点即为得到的若干海洋区域初始点。基于这些海洋区域初始点，利用区域多点生长的分割算法，将周围与其相似的像素进行合并，以此完成“生长”，得到海洋分割结果。步骤2，根据舰船长度知识信息和遥感影像空间分辨率大小，确定初始候选框的尺寸，基于该尺寸沿着海岸线以设定重叠率对影像进行切分，生成一系列初始候选框切片；实施例中，根据舰船相关知识和遥感影像空间分辨率大小，确定初始候选框的尺寸，基于该尺寸沿着海岸线以2/3的重叠率生成初始候选框，并在原影像中进行切分。其中，初始候选框为正方形，其边长确定方法如下：假设遥感影像空间分辨率本文档来自技高网...

【技术保护点】
1.基于海陆分割和特征金字塔网络的港口停靠舰船检测的方法，其特征在于包括以下步骤：(1)利用已知的海洋和陆地样本切片数据，基于深度卷积神经网络构造海陆二分类模型；按照设定尺寸对待处理遥感影像进行切分，将待处理遥感影像切分成一系列设定尺寸的切片数据，利用海陆二分类模型对待处理遥感影像切片数据进行海陆二分类处理，得到若干海洋区域的切片，根据海洋区域切片找到待处理遥感影像中对应的若干个海洋区域的位置，基于该海洋区域位置采用区域多点生长的分割算法对待处理遥感影像中的海洋和陆地进行划分；(2)根据舰船长度知识信息和遥感影像空间分辨率大小，确定初始候选框的尺寸，基于该尺寸沿着海岸线以设定重叠率对影像进行切分，生成一系列初始候选框切片；(3)利用基于区域候选网络的目标检测框架和特征金字塔网络，构建舰船检测网络模型，并利用已知的舰船样本数据对舰船检测网络模型进行训练，利用训练好的舰船检测网络模型对所有的初始候选框切片进行舰船检测，依据每个切片舰船检测结果得到待处理遥感影像的舰船检测结果。

【技术特征摘要】
1.基于海陆分割和特征金字塔网络的港口停靠舰船检测的方法，其特征在于包括以下步骤：(1)利用已知的海洋和陆地样本切片数据，基于深度卷积神经网络构造海陆二分类模型；按照设定尺寸对待处理遥感影像进行切分，将待处理遥感影像切分成一系列设定尺寸的切片数据，利用海陆二分类模型对待处理遥感影像切片数据进行海陆二分类处理，得到若干海洋区域的切片，根据海洋区域切片找到待处理遥感影像中对应的若干个海洋区域的位置，基于该海洋区域位置采用区域多点生长的分割算法对待处理遥感影像中的海洋和陆地进行划分；(2)根据舰船长度知识信息和遥感影像空间分辨率大小，确定初始候选框的尺寸，基于该尺寸沿着海岸线以设定重叠率对影像进行切分，生成一系列初始候选框切片；(3)利用基于区域候选网络的目标检测框架和特征金字塔网络，构建舰船检测网络模型，并利用已知的舰船样本数据对舰船检测网络模型进行训练，利用训练好的舰船检测网络模型对所有的初始候选框切片进行舰船检测，依据每个切片舰船检测结果得到待处理遥感影像的舰船检测结果。2.根据权利要求1所述的一种基于海陆分割和特征金字塔网络的港口停靠舰船检测的方法，其特征在于，所述步骤(1)中，深度卷积神经网络包括ResNet-50网络和VGG-16网络。3.根据权利要求2所述的一种基于海陆分割和特征金字塔网络的港口停靠舰船检测的方法，其特征在于，所述步骤(1)中，将待处理遥感影像切分成一系列设定尺...

【专利技术属性】
技术研发人员：梁硕，楚博策，吴金亮，陈金勇，王士成，于君娜，帅通，单子力，文义红，
申请(专利权)人：中国电子科技集团公司第五十四研究所，
类型：发明
国别省市：河北,13