[发明专利]一种基于深度学习的鲁棒性舰船目标检测方法

说明书

本发明公开了一种基于深度学习的鲁棒性舰船目标检测方法，包括以下步骤：1：对训练样本进行处理并训练，得到训练分类器；2、获得需处理的遥感图像，并对其进行预处理；3、对预处理后的遥感图像进行海陆分割，得到海陆分割区域，并对不存在舰船的岸上区域进行遮挡；4、获得特征提取网络，并利用其提取步骤3得到的海陆分割区域的旋转不变深度特征，即得到特征图；5、利用分类激活特征图的方法得到舰船这一类别的响应图；6、对步骤5得到的响应图求连通域，得到初步检测框；7、对舰船的参数进行估计，得到带有检测框的结果图。本发明所述方法可以进行水域区分，排除岸上虚警，提高多角度目标的检测精度，大量减少由并排摆放引发的舰船漏检。

技术领域

本发明涉及深度学习和图像目标检测领域，特别涉及一种基于深度学习的鲁棒性舰船目标检测方法。

背景技术

现代化战争中，舰船作为海上重要的军事作战武器，其自动检测与识别具有非常重要的现实意义。随着对地观测技术的发展，通过卫星和无人机航拍获取的遥感图像分辨率较高、画面清晰、细节信息丰富，从遥感图像中检测舰船目标成为可能。

舰船自动目标检测在监视军舰、保护领海安全及疏导海上交通、救援遇险船只等方面有着广阔的应用前景。由于港口背景较为复杂，以及舰船本身多姿态多角度、并排停放等特点，使得光学遥感图像舰船检测成为一个极具挑战性的任务。

目前，自动舰船目标检测的研究主要集中在合成孔径雷达图像，基于可见光舰船目标检测的研究起步较晚、相对滞后。随着光学遥感技术的发展，光学图像在舰船检测尤其是舰船目标分类与识别方面的突出优势引起了国内外学者及军事国防部门的广泛关注。近些年相关科研人员对舰船目标自动检测进行了一些探索，并取得了一定成果，多种基于光学遥感图像的舰船目标检测方法被提出，然而由于舰船这一目标具有类型多样、结构各异、大长宽比等特点及码头毗连、舰船并排停靠、背景复杂、拍照自然环境多样化带来的干扰，给舰船的检测与分类带来恶劣的影响，因此可见光舰船目标检测的研究仍然远不成熟，距离实际应用还有很大的差距。

同时，已有的检测方法准确率不高，难以应用于实际，因此，如何制定适用于舰船的检测策略、提高实际应用中检测效率，是一个重要的研究方向。

发明内容

为了克服上述问题，本发明人进行了锐意研究，通过主动旋转卷积滤波器得到带有方向信息的特征图，通过对各个方向的特征求最大值来实现角度鲁棒性检测，提升深度卷积网络处理多角度目标的能力；并采用分类激活特征图的方法找到图像中的关键区域，得到热成像图。通过一些形态学处理找到连通域，结合方向估计可得到紧致的检测结果框，从而减少目标漏检，完成本发明。

本发明提供了一种基于深度学习的鲁棒性舰船目标检测方法，所述方法包括以下步骤：

步骤1：对训练样本进行处理并训练，得到训练分类器；

步骤2、获得需处理的遥感图像，并对其进行预处理；

步骤3、对预处理后的遥感图像进行海陆分割，得到海陆分割区域，并对不存在舰船的岸上区域进行遮挡；

步骤4、获得特征提取网络，并利用其提取步骤3得到的海陆分割区域的旋转不变深度特征，即得到特征图；

步骤5、利用分类激活特征图的方法得到舰船这一类别的响应图；

步骤6、对步骤5得到的响应图求连通域，得到初步检测框；

步骤7、对舰船的参数进行估计，得到带有检测框的结果图。

附图说明

图1示出本发明所述方法的流程框图；

图2示出实施例3的检测结果图；

图3示出对比例1的检测结果图；