[发明专利]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在审
申请号: | 201810075285.3 | 申请日: | 2018-01-26 |
公开(公告)号: | CN108319949A | 公开(公告)日: | 2018-07-24 |
发明(设计)人: | 张志超;张可;董文莉;王翰晨;喻金桃;马强;刘忠麟 | 申请(专利权)人: | 中国电子科技集团公司第十五研究所 |
主分类号: | G06K9/20 | 分类号: | G06K9/20;G06N3/04 |
代理公司: | 工业和信息化部电子专利中心 11010 | 代理人: | 李勤媛 |
地址: | 100083 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 舰船目标 高分辨率 遥感图像 检测 卷积神经网络 复杂场景 检测结果 目标检测 网络结构 传统的 大尺度 多维度 小样本 浅层 尺度 | ||
1.一种高分辨率遥感图像中多朝向舰船目标检测与识别方法,其特征在于,包括:
步骤1,对遥感图像中的舰船目标标注多角度矩形框,并保存舰船目标的原始标注信息,所述原始标注信息包括:所述多角度矩形边框在所述遥感图像中的中心点位置、长宽和朝向角度;
步骤2,对经过标注的遥感图像进行数据增广处理,采用深度学习网络模型输入所需大小的滑动窗口在经过数据增广处理的遥感图像上重叠地的滑动,将包含有效舰船目标的滑动窗口的图像裁剪下来,并基于所述原始标注信息对裁剪的所述图像中的舰船目标自动标注该舰船目标的多角度矩形框在裁剪的所述图像中的中心点位置、长宽以及朝向角度,得到所述舰船目标的相对标注信息;
步骤3,基于裁剪的所述图像以及所述图像中的舰船目标的相对标注信息以及深度学习网络模型训练出舰船目标检测和识别模型;
步骤4,采用深度学习网络模型输入所需大小的滑动窗口在步骤1的所述遥感图像上重叠地的滑动,将包含有效舰船目标的滑动窗口的图像裁剪下来,将裁剪下来的图像输入所述舰船目标检测和识别模型中预测出该图像中每个舰船目标的多角度矩形框位置和类别置信度,根据该图像在步骤1的所述遥感图像上的位置将该图像中每个舰船目标的多角度矩形框位置映射到步骤1的所述遥感图像中;将所有裁剪下来的图像中相同舰船目标对应的多角度矩形框位置和类别置信度合并得到最终的检测结果。
2.根据权利要求1所述的高分辨率遥感图像中多朝向舰船目标检测与识别方法,其特征在于,所述步骤1,包括:
对任一舰船目标,首先沿着该舰船目标的一个长边画一条线段作为标注的多角度矩形框的长边,然后在船的另一长边上任取一点作为标注矩形框的宽,并根据已标注的长和宽将多角度矩形框补全得到原始标注结果;
每个舰船目标的原始标注信息包含多角度矩形框的以下几个属性:多角度矩形框中心点位置的直角坐标,多角度矩形框的长和宽、以及多角度矩形框长边与直角坐标系x轴的夹角即朝向角度,可选的,每个目标的原始标注信息还包含多角度矩形框的四个顶点的直角坐标。
3.根据权利要求1所述的高分辨率遥感图像中多朝向舰船目标检测与识别方法,其特征在于,在所述步骤2中,对经过标注的遥感图像进行数据增广处理,包括:
对经过标注的遥感图像进行以下一种或多种操作:旋转、缩放、仿射变换、色彩调整、对比度调整、饱和度调整;
所述深度学习网络模型,包括:VGG16、GoogLeNet或ResNet。
4.根据权利要求1所述的高分辨率遥感图像中多朝向舰船目标检测与识别方法,其特征在于,在所述步骤2中,滑动窗口的图像中是否包含有效舰船目标的判断方式,包括:
判断滑动窗口内任一舰船目标j的面积交比R=Sj/S是否大于设定的比值,若是,则判定滑动窗口的图像中包含有效舰船目标,否则滑动窗口的图像中不包含有效舰船目标;
其中,Sj表示任一舰船目标j的多角度矩形框在滑动窗口内的区域面积,S表示任一舰船目标j的多角度矩形框的面积。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国电子科技集团公司第十五研究所,未经中国电子科技集团公司第十五研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810075285.3/1.html,转载请声明来源钻瓜专利网。