一种船舰目标检测数据集的制备方法、系统、设备及介质技术方案

本公开公开了一种船舰目标检测数据集的制备方法、系统、设备及介质，对获取的高分二号卫星图像进行下采样处理，得到高分数据缩略图；将去噪后的图像转化为灰度图像；对灰度图像按照设定尺寸分割成若干张小图像；记录每一幅小图像的位置；对每一幅小图像，进行海陆识别，如果识别结果是海洋，则将当前小图像存储到待分类数据库中；如果识别结果是陆地，则将当前小图像删除；对待分类数据库中的每一幅小图像，进行船舰初步识别，将识别结果为有船舰的小图像存储到待检测数据库中；将识别结果为无船舰的小图像进行删除处理；对待检测数据库中的每一幅小图像，进行图像合并处理，对合并处理后的图像进行船舰位置标记，获得带船舰位置标记的数据集。

【技术实现步骤摘要】
一种船舰目标检测数据集的制备方法、系统、设备及介质
本公开涉及船舰目标检测数据集制备
，特别是涉及一种船舰目标检测数据集的制备方法、系统、设备及介质。
技术介绍
本部分的陈述仅仅是提到了与本公开相关的
技术介绍
，并不必然构成现有技术。在遥感舰船检测领域，关于合成孔径雷达图像的研究和成果较多，随着航空航天事业的发展，各国争相发射高分辨率成像卫星，其上搭载的探测设备性能也迅速提升，针对可见光遥感图像的研究也逐渐发展起来。目前世界上已有多种先进的高分辨率成像卫星，法国的Helios-2B“太阳神2号”光学成像卫星，分辨率可达到0.5m；以色列Ofeq9“地平线9号”间谍卫星，分辨率高于0.5m；中国的“高分二号”卫星目前也已达到优于1m的可见光图像分辨率。成像状况良好的可见光遥感图像细节多、目标直观、分辨率提升空间大,为遥感图像目标检测带来大量的原始数据，具有良好的发展前景。在实现本公开的过程中，专利技术人发现现有技术中存在以下技术问题：随着深度学习的不断发展，相比传统的目标检测方法，深度学习能够大大节省人工设计特征表示的时间，而且精准度上也获得了极大的提高，但深度学习需要大量带有位置标注的数据用于训练模型，标注过程费时费力。基于高分数据的舰船目标检测数据集几乎没有。整幅高分数据图像分辨率高，图像大，普通看图软件无法打开或打开后运行缓慢无法正常工作，所以人工标注整个高分数据图像，工作量大，步骤繁琐，十分耗时。
技术实现思路
为了解决现有技术的不足，本公开提供了一种船舰目标检测数据集的制备方法、系统、设备及介质；首先设计了一种在高分图片中寻找舰船的算法，能够解决高分数据过大，从海域找舰船人工筛选慢等问题。其次针对高分数据图像珍贵数量少，设计了一种扩充数据集的方法。同时针对目标检测数据集制作繁琐的问题设计了一种基于Web的分发标注流程，使用Web系统将数据集分发给多人能够大大提高标注效率，从而高效的完成一套基于高分数据的舰船目标检测数据集。第一方面，本公开提供了一种船舰目标检测数据集的制备方法；一种船舰目标检测数据集的制备方法，包括：获取高分二号卫星图像；对获取的高分二号卫星图像去除椒盐噪声，得到第一去噪图像，将第一去噪图像进行灰度化处理，转化为第一灰度图像；对第一灰度图像分割成M*N幅第一待识别图像；对获取的高分二号卫星图像进行下采样处理，得到高分数据缩略图；去除高分数据缩略图中的椒盐噪声得到第二去噪图像；将第二去噪图像进行灰度化处理，转化为第二灰度图像；将第二灰度图像分割成M*N幅第二待识别图像；第一待识别图像与第二待识别图像之间存在一一对应关系；记录每一幅第二待识别图像在高分数据缩略图中的坐标位置；对每一幅第二待识别图像，进行海陆识别，如果识别结果是海洋，则将当前第二待识别图像存储到待分类数据库中；如果识别结果是陆地，则将当前第二待识别图像删除；根据待分类数据库中每一幅第二待识别图像在高分数据缩略图中的坐标位置，和第一待识别图像与第二待识别图像之间的对应关系，找到对应的第一待识别图像；被找到的第一待识别图像被视为待进行船舰识别的图像；对每一幅待进行船舰识别的图像，进行船舰初步识别，将识别结果为有船舰的图像存储到待检测数据库中；将识别结果为无船舰的图像直接进行删除处理；对待检测数据库中的每一幅图像，根据实际地理位置进行图像合并处理，对合并处理后的图像进行船舰位置标记，最终获得带船舰位置标记的数据集。第二方面，本公开还提供了一种船舰目标检测数据集的制备系统；一种船舰目标检测数据集的制备系统，包括：第一待识别图像生成模块，其被配置为：获取高分二号卫星图像；对获取的高分二号卫星图像去除椒盐噪声，得到第一去噪图像，将第一去噪图像进行灰度化处理，转化为第一灰度图像；对第一灰度图像分割成M*N幅第一待识别图像；第二待识别图像生成模块，其被配置为：对获取的高分二号卫星图像进行下采样处理，得到高分数据缩略图；去除高分数据缩略图中的椒盐噪声得到第二去噪图像；将第二去噪图像进行灰度化处理，转化为第二灰度图像；将第二灰度图像分割成M*N幅第二待识别图像；第一待识别图像与第二待识别图像之间存在一一对应关系；坐标位置记录模块，其被配置为：记录每一幅第二待识别图像在高分数据缩略图中的坐标位置；海陆识别模块，其被配置为：对每一幅第二待识别图像，进行海陆识别，如果识别结果是海洋，则将当前第二待识别图像存储到待分类数据库中；如果识别结果是陆地，则将当前第二待识别图像删除；根据待分类数据库中每一幅第二待识别图像在高分数据缩略图中的坐标位置，和第一待识别图像与第二待识别图像之间的对应关系，找到对应的第一待识别图像；被找到的第一待识别图像被视为待进行船舰识别的图像；船舰识别模块，其被配置为：对每一幅待进行船舰识别的图像，进行船舰初步识别，将识别结果为有船舰的图像存储到待检测数据库中；将识别结果为无船舰的图像直接进行删除处理；数据集获取模块，其被配置为：对待检测数据库中的每一幅图像，根据实际地理位置进行图像合并处理，对合并处理后的图像进行船舰位置标记，最终获得带船舰位置标记的数据集。第三方面，本公开还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述方法的步骤。第四方面，本公开还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述方法的步骤。与现有技术相比，本公开的有益效果是：1.本专利技术制作的数据集使用了高分二号卫星的光学图像数据，具有较高的分辨率以及图像细节，能够为深度学习网络提供更多的学习特征。2.本专利技术设计了一种制作基于高分数据图像的舰船目标识别数据集的系统，能够解决高分数据处理费时，人工从海域寻找舰船筛选慢等问题。3.本专利技术设计的系统中包含一种扩充数据集的方法，能够在数据珍贵数量有限时尽可能的提供更多数据。4.本专利技术设计的系统中包含一种数据集多人分发方法，能够多人共同标注数据集，大大提高标注效率。附图说明构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。图1为第一个实施例的方法流程图。具体实施方式应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。实施例一，本实施本文档来自技高网...

【技术保护点】
1.一种船舰目标检测数据集的制备方法，其特征是，包括：/nS1：获取高分二号卫星图像；对获取的高分二号卫星图像去除椒盐噪声，得到第一去噪图像，将第一去噪图像进行灰度化处理，转化为第一灰度图像；对第一灰度图像分割成M*N幅第一待识别图像；/nS2：对获取的高分二号卫星图像进行下采样处理，得到高分数据缩略图；去除高分数据缩略图中的椒盐噪声得到第二去噪图像；将第二去噪图像进行灰度化处理，转化为第二灰度图像；将第二灰度图像分割成M*N幅第二待识别图像；第一待识别图像与第二待识别图像之间存在一一对应关系；/nS3：记录每一幅第二待识别图像在高分数据缩略图中的坐标位置；/nS4：对每一幅第二待识别图像，进行海陆识别，如果识别结果是海洋，则将当前第二待识别图像存储到待分类数据库中；如果识别结果是陆地，则将当前第二待识别图像删除；/n根据待分类数据库中每一幅第二待识别图像在高分数据缩略图中的坐标位置，和第一待识别图像与第二待识别图像之间的对应关系，找到对应的第一待识别图像；被找到的第一待识别图像被视为待进行船舰识别的图像；/nS5:对每一幅待进行船舰识别的图像，进行船舰初步识别，将识别结果为有船舰的图像存储到待检测数据库中；将识别结果为无船舰的图像直接进行删除处理；/nS6:对待检测数据库中的每一幅图像，根据实际地理位置进行图像合并处理，对合并处理后的图像进行船舰位置标记，最终获得带船舰位置标记的数据集。/n...

【技术特征摘要】
1.一种船舰目标检测数据集的制备方法，其特征是，包括：
S1：获取高分二号卫星图像；对获取的高分二号卫星图像去除椒盐噪声，得到第一去噪图像，将第一去噪图像进行灰度化处理，转化为第一灰度图像；对第一灰度图像分割成M*N幅第一待识别图像；
S2：对获取的高分二号卫星图像进行下采样处理，得到高分数据缩略图；去除高分数据缩略图中的椒盐噪声得到第二去噪图像；将第二去噪图像进行灰度化处理，转化为第二灰度图像；将第二灰度图像分割成M*N幅第二待识别图像；第一待识别图像与第二待识别图像之间存在一一对应关系；
S3：记录每一幅第二待识别图像在高分数据缩略图中的坐标位置；
S4：对每一幅第二待识别图像，进行海陆识别，如果识别结果是海洋，则将当前第二待识别图像存储到待分类数据库中；如果识别结果是陆地，则将当前第二待识别图像删除；
根据待分类数据库中每一幅第二待识别图像在高分数据缩略图中的坐标位置，和第一待识别图像与第二待识别图像之间的对应关系，找到对应的第一待识别图像；被找到的第一待识别图像被视为待进行船舰识别的图像；
S5:对每一幅待进行船舰识别的图像，进行船舰初步识别，将识别结果为有船舰的图像存储到待检测数据库中；将识别结果为无船舰的图像直接进行删除处理；
S6:对待检测数据库中的每一幅图像，根据实际地理位置进行图像合并处理，对合并处理后的图像进行船舰位置标记，最终获得带船舰位置标记的数据集。


2.如权利要求1所述的方法，其特征是，所述海陆识别的具体步骤包括：
S41：使用大津法获得自适应阈值，通过自适应阈值，将每一幅第二待识别图像进行二值化处理，将图像分为陆地或海洋，并将陆地填充为第一颜色的像素，将海洋填充为第二颜色的像素；
S42：利用形态学闭运算对海洋和陆地交界处的边界进行平滑处理；
S43：计算每一幅第二待识别图像的陆地和海洋的像素平均值，如果某幅第二待识别图像的陆地的像素平均值超过设定阈值，则认为当前图像为陆地，如果某幅第二待识别图像的海洋像素的平均值超过设定阈值，则认为当前图像为海洋。


3.如权利要求1所述的方法，其特征是，所述船舰初步识别的具体步骤包括：
针对每一幅待进行船舰识别的图像，计算二值图像中连通区域的面积；
如果某个连通区域的面积大于20000像素，则认为当前图像不存在舰船；
如果某个连通区域的长宽比或宽长比大于10:1，则认为当前图像不存在舰船；
否则，认为待进行船舰识别的图像中存在船舰。


4.如权利要求1所述的方法，其特征是，所述进行图像合并处理的具体步骤包括：
S61:首先检查每一张图像的左侧图像与上方图像是否有船；
若左侧图像有船，则将左侧图像的左侧坐标更新至当前图像的左侧坐标；
若上方图像有船，则将上方图像的上方坐标更新至当前图像的上方坐标，相当于合并了两张图片；
S62:再检查每一张图像的右侧图像与下方图像是否有船；
若有船则无操作，若均无船，则利用当前图像的左侧坐标信息、右侧...

【专利技术属性】
技术研发人员：杨星海，刘子钊，王玉泰，臧文经，宋佳惠，王凤娇，
申请(专利权)人：青岛科技大学，
类型：发明
国别省市：山东;37