[发明专利]基于深度学习的遥感机场飞机检测的方法及装置

权利要求书

1.一种基于深度学习的遥感机场飞机检测的方法，其特征在于，包括：

获取输入大视场的遥感机场图像；

采用最大类间方差对所获取的遥感机场图像进行分割，提取机场轮廓，确定机场候选区切片；

根据所确定的机场候选区切片，提取机场候选区的特征，用K均值聚类算法对所提取的特征进行聚类，获得机场的特征组合，采用支持向量机分类器筛选出疑似机场候选区；

使用轻便网络算法对所筛选出的疑似机场候选区进行飞机目标提取，计算飞机目标在所获取的遥感机场图像中的位置，得到飞机目标的位置信息，通过非最大值抑制的方法剔除重叠的坐标框。

2.根据权利要求1所述的方法，其特征在于，所述方法在获取输入大视场的遥感机场图像后还包括：

对所获取的遥感机场图像进行增强图像特征点的图像预处理，所述图像预处理包括图像锐化、图像滤波、过零点检测和/或图像边缘处理。

3.根据权利要求1或2所述的方法，其特征在于，所述采用最大类间方差对所获取的遥感机场图像进行分割时，采用最大类间方差从不同的阈值进行多尺度分割。

4.根据权利要求3所述的方法，其特征在于，所述提取机场轮廓，并确定机场候选区切片，具体包括：

根据所提取机场轮廓，确定同质局域的中心点，计算同质局域的四界边界点，通过边界点形成第一机场候选区切片，设定切片的面积比例，对所形成第一机场候选区的切片进行剔除后，形成第二机场候选区的切片，将第二机场候选区确定为最终的机场候选区切片。

5.根据权利要求1或2所述的方法，其特征在于，所述根据所确定机场候选区切片，提取机场候选区的特征，所提取的特征是机场候选区的纹理特征和/或颜色特征。

6.根据权利要求4所述的方法，其特征在于，所述获得机场的特征组合，采用支持向量机分类器筛选出疑似机场候选区，具体包括：

通过对机场的特征组合进行支持向量机分类器训练，获得机场训练模型；

用所获得的机场训练模型对确定为最终的机场候选区切片分类，提取疑似机场候选区。

7.根据权利要求1或2所述的方法，其特征在于，所述使用轻便网络算法对所筛选出的疑似机场候选区进行飞机目标提取，计算飞机目标在所获取的遥感机场图像中的位置，得到飞机目标的位置信息，还包括：

对所筛选出的疑似机场候选区，采用训练的轻便网络算法单点多框检测器模型进行滑窗检测，确定飞机目标在候选区的位置信息。

8.根据权利要求7所述的方法，其特征在于，所述采用训练的轻便网络算法单点多框检测器模型进行滑窗检测还包括：

对进入轻便网络算法单点多框检测器模型训练前的图片采用通道转换、求均值和/或归一化数据的方式进行处理；

其中，所述对所筛选出的疑似机场候选区进行飞机目标提取主要采用分割方法，选择性搜索法和/或区域合并法实现。

9.一种基于深度学习的遥感机场飞机检测的装置，其特征在于，包括：

图像获取模块，用于获取输入大视场的遥感机场图像；

图像分割模块，采用最大类间方差对所获取的遥感机场图像进行分割，提取机场轮廓，确定机场候选区切片；

特征筛选模块，用于根据所确定机场候选区切片，提取机场候选区的特征，用K均值聚类算法对所提取的特征进行聚类，获得机场的特征组合，采用支持向量机分类器筛选出疑似机场候选区；

目标提取模块，使用轻便网络算法对所筛选出的疑似机场候选区进行飞机目标提取，计算飞机目标在所获取的遥感机场图像中的位置，得到飞机目标的位置信息，通过非最大值抑制的方法剔除重叠的坐标框。