一种基于深度学习的遥感图像水面潜艇识别方法技术

本发明专利技术提供一种基于深度学习的遥感图像水面潜艇识别方法，首先建立潜艇遥感图像样本库；对所述图像样本库中的各潜艇遥感图像分别进行图像增强，得到增强后的图像样本库；其次，对所述增强后的图像样本库中的各潜艇遥感图像中的潜艇分别进行矩形框标注，得到标注数据集；利用yolov3目标检测网络，融合语义分割与目标检测所得到的特征，得到分割预测融合特征；根据所述标注数据集和所述分割预测融合特征，得到潜艇检测识别模型；利用所述潜艇识别模型进行潜艇识别，并输出潜艇位置信息和置信度。本发明专利技术的有益效果：解决背景与目标颜色相近的潜艇水面遥感图像的识别，提升了潜艇目标检测定位和识别的精度。

A recognition method of surface submarine from remote sensing image based on deep learning

【技术实现步骤摘要】
一种基于深度学习的遥感图像水面潜艇识别方法
本专利技术涉及图像处理领域，特别涉及一种基于深度学习的遥感图像水面潜艇识别方法。
技术介绍
深度学习在图像识别领域得到广泛应用，使得识别精度得到了较大提升。以深度学习为基础，将深度学习目标识别算法应用到对遥感图像水面潜艇识别。近年，对军事目标检测算法的研究，取得许多成果。专利文献1(CN107844750A)，提出了一种水面全景图像目标检测识别方法，该方法首先利用目标检测识别神经网络获取目标类别和目标位置，然后对局部区域中目标进行精细分割定位，从而在全景图像中将目标位置准确识别出来。专利文献2(CN108596030A)，提出了基于FasterR-CNN的声纳目标检测方法，该方法首先采用深度学习技术对不同复杂水下环境中的目标进行特征提取，然后创建基于区域加速卷积神经网络(Fast-RCNN)声纳识别网络对声纳数据进行目标检测。专利文献3(CN108319949A)，提出了一种高分辨率遥感图像中多朝向舰船目标检测与识别方法，该方法首先对舰船目标标注多角度矩形框，以及对数据增广处理，然后利用深度学习网络模型训练出舰船目标检测和识别模型，实现小样本环境下的高分辨率遥感图像中的多朝向、不同尺度和类型的舰船目标的快速精确检测识别。但是，专利文献1中公开的水面全景图像目标检测识别方法尚未涉及背景较为复杂的卫星图像的识别；专利文献2中公开的基于FasterR-CNN的声纳目标检测方法也仅仅是利用声纳数据训练深度学习识别模型；专利3中公开的方法能对遥感图像中多朝向舰船目标进行检测与识别，但未涉及背景与目标颜色相近的潜艇水面遥感图像的识别。
技术实现思路
为了解决上述问题，本专利技术提供了一种基于深度学习的遥感图像水面潜艇识别方法。通过语义分割网络，与yolov3的特征提取网络同步融合从而快速准确提取潜艇特征，通过深度学习网络训练改进yolov3目标检测算法模型训练检测识别模型实现对潜艇准确检测与识别，减少漏检和误检。种基于深度学习的遥感图像水面潜艇识别方法，具体步骤如下：S101：建立潜艇遥感图像样本库；S102：对所述图像样本库中的各潜艇遥感图像分别进行图像增强，得到增强后的图像样本库；S103：对所述增强后的图像样本库中的各潜艇遥感图像中的潜艇分别进行矩形框标注，进而得到所述增强后的样本图像库中所有的潜艇遥感图像所对应的标注数据集；S104：利用yolov3目标检测网络，融合语义分割与目标检测所得到的特征，得到分割预测融合特征；S105：根据所述标注数据集和所述分割预测融合特征，得到潜艇检测识别模型；S106：采集潜艇实时图像，并进行图像增强，进而将增强后的潜艇实时图像输入所述潜艇检测识别模型进行潜艇识别；S107：设置特征阈值α，并判断图像特征值是否超过特征阈值α？若是，则输出潜艇识别预测结果，程序结束；否则，返回至步骤S106。进一步地，在步骤S101中，建立潜艇遥感图像样本为预先采集的多张多方向和多尺度的潜艇图像集合；所述多方向潜艇图像，具体为水平方向不同角度拍摄、垂直方向不同角度拍摄的潜艇图像；所述多尺度潜艇图像，具体为被拍摄的潜艇，实际尺寸大小不同。进一步地，在步骤S102中，图像增强采用的具体方法为非线性局部目标增强算法，其公式如式(1)所示：式(1)中，r表示图像灰度分布直方图的灰度值，m为输入值，其取值为E为潜艇凸显参数，E1和E2为参数E不同情况下取值表达式，通过调整E来动态凸显出遥感图像中潜艇特征部分。进一步地，在步骤S104中，利用yolov3目标检测网络，融合语义分割与目标检测所得到的特征，得到分割预测融合特征，具体为：S201：使用COCO-Stuff的标注监督语义分割方法对所述图像样本库中的图像进行精密像素级分类，得到分割后的语义信息；S202：使用yolov3算法提取所述图像样本库中图像目标特征的box和mask；S203：将提取的目标特征的box和mask与所述语义信息特征进行融合，即得到分割预测融合特征。在步骤S105中，所述的预测结果，包括识别出的潜艇的位置和置信度。附图说明下面将结合附图及实施例对本专利技术作进一步说明，附图中：图1是本专利技术实施例中一种基于深度学习的遥感图像水面潜艇识别方法的流程图。具体实施方式为了对本专利技术的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本专利技术的具体实施方式。本专利技术的实施例提供了一种基于深度学习的遥感图像水面潜艇识别方法。请参考图1，图1是本专利技术实施例中一种基于深度学习的遥感图像水面潜艇识别方法的流程图。具体包括以下步骤：S101：建立潜艇遥感图像样本库；S102：对所述图像样本库中的各潜艇遥感图像分别进行图像增强，得到增强后的图像样本库；S103：对所述增强后的图像样本库中的各潜艇遥感图像中的潜艇分别进行矩形框标注，进而得到所述增强后的样本图像库中所有的潜艇遥感图像所对应的标注数据集；S104：利用yolov3目标检测网络，融合语义分割与目标检测所得到的特征，得到分割预测融合特征；S105：根据所述标注数据集和所述分割预测融合特征，得到潜艇检测识别模型；S106：采集潜艇实时图像，并进行图像增强，进而将增强后的潜艇实时图像输入所述潜艇检测识别模型进行潜艇识别；S107：设置特征阈值α，并判断图像特征值是否超过特征阈值α？若是，则输出潜艇识别预测结果，程序结束；否则，返回至步骤S106。在步骤S101中，建立潜艇遥感图像样本为预先采集的多张多方向和多尺度的潜艇图像集合；所述多方向潜艇图像，具体为水平方向不同角度拍摄、垂直方向不同角度拍摄的潜艇图像；所述多尺度潜艇图像，具体为被拍摄的潜艇，实际尺寸大小不同。在步骤S102中，图像增强采用的具体方法为非线性局部目标增强算法，其公式如式(1)所示：式(1)中，r表示图像灰度分布直方图的灰度值，m为输入值，其取值为E为潜艇凸显参数，E1和E2为参数E不同情况下取值表达式，通过调整E来动态凸显出遥感图像中潜艇特征部分。在步骤S104中，利用yolov3目标检测网络，融合语义分割与目标检测所得到的特征，得到分割预测融合特征，具体为：S201：使用COCO-Stuff的标注监督语义分割方法对所述图像样本库中的图像进行精密像素级分类，得到分割后的语义信息；S202：使用yolov3算法提取所述图像样本库中图像目标特征的box和mask；S203：将提取的目标特征的box和mask与所述语义信息特征进行融合，即得到分割预测融合特征。在步骤S105中，所述的预测结果，包括识别出的潜艇的位置和置信度。本专利技术的有益效果是：解决背景与目标颜色相近的潜艇水面遥感图像的识别，提升了潜艇目标检测定位和识别的精度。以上所述仅为本专利技术的较佳实施例，并不用以本文档来自技高网...

【技术保护点】
1.一种基于深度学习的遥感图像水面潜艇识别方法，其特征在于：具体步骤如下：/nS101：建立潜艇遥感图像样本库；/nS102：对所述图像样本库中的各潜艇遥感图像分别进行图像增强，得到增强后的图像样本库；/nS103：对所述增强后的图像样本库中的各潜艇遥感图像中的潜艇分别进行矩形框标注，进而得到所述增强后的样本图像库中所有的潜艇遥感图像所对应的标注数据集；/nS104：利用yolov3目标检测网络，融合语义分割与目标检测所得到的特征，得到分割预测融合特征；/nS105：根据所述标注数据集和所述分割预测融合特征，进行训练，得到潜艇检测识别模型；/nS106：采集潜艇实时图像，并进行图像增强，进而将增强后的潜艇实时图像输入所述潜艇检测识别模型进行潜艇识别；/nS107：设置特征阈值α，并判断图像特征值是否超过特征阈值α？若是，则输出潜艇识别预测结果，程序结束；否则，返回至步骤S106。/n

【技术特征摘要】
1.一种基于深度学习的遥感图像水面潜艇识别方法，其特征在于：具体步骤如下：
S101：建立潜艇遥感图像样本库；
S102：对所述图像样本库中的各潜艇遥感图像分别进行图像增强，得到增强后的图像样本库；
S103：对所述增强后的图像样本库中的各潜艇遥感图像中的潜艇分别进行矩形框标注，进而得到所述增强后的样本图像库中所有的潜艇遥感图像所对应的标注数据集；
S104：利用yolov3目标检测网络，融合语义分割与目标检测所得到的特征，得到分割预测融合特征；
S105：根据所述标注数据集和所述分割预测融合特征，进行训练，得到潜艇检测识别模型；
S106：采集潜艇实时图像，并进行图像增强，进而将增强后的潜艇实时图像输入所述潜艇检测识别模型进行潜艇识别；
S107：设置特征阈值α，并判断图像特征值是否超过特征阈值α？若是，则输出潜艇识别预测结果，程序结束；否则，返回至步骤S106。


2.如权利要求1所述的一种基于深度学习的遥感图像水面潜艇识别方法，其特征在于：
在步骤S101中，建立潜艇遥感图像样本为预先采集的多张多方向和多尺度的潜艇图像集合；所述多方向潜艇图像，具体为水平方向不同角度拍摄、垂直方向不同角度拍摄的潜艇图像；所述多尺度潜艇图像，具体为被拍摄的潜艇，...

【专利技术属性】
技术研发人员：程家明，孔繁东，廖剑兰，
申请(专利权)人：武汉兴图新科电子股份有限公司，
类型：发明
国别省市：湖北;42