[发明专利]基于兴趣区域重检测的宽幅光学遥感目标检测方法

说明书

本发明公开了一种基于兴趣区域重检测的宽幅光学遥感目标检测方法，主要解决宽幅光学遥感目标检测中对小尺度目标检测精度低及重叠滑窗检测时效性慢的问题。具体步骤有：制作多尺度训练样本；设计检测网络模型结构；对混合重检测网络模型进行训练；宽幅影像候选兴趣区域提取与重检测。本发明设计的检测网络模型，能拟合不同尺度目标的检测；基于兴趣区域检测不需重叠检测，降低了宽幅遥感图像候选区域提取的时间，采用对候选区域基于目标的尺度先验性进行重检测，改善了小目标的检测效果，检测精度更高。可应用于任何宽幅像素分辨率大小的光学遥感图像的检测。

技术领域

发明属于光学遥感图像处理技术领域，更进一步涉及智能宽幅光学遥感目标检测，具体是一种基于兴趣区域重检测的宽幅光学遥感目标检测方法。本发明可用于星载、机载光学宽幅光学遥感图像场景下进行目标准确定位、目标跟踪、行人重识别、违章车辆检测等诸多应用。

背景技术

随着现代航天遥感技术的发展，卫星对地观测能力大幅提升，光学遥感数据分析与处理在军用和民用上都发挥重要的作用。在军事方面，光学遥感数据分析与处理方便收集情报和侦察，进而调整作战计划、军事部署；在民用方面，可以用于灾情监测、农业估产调查、土地利用规划、城市交通监测等诸多应用，遥感图像目标检测与识别是遥感图像处理中非常重要的内容，对遥感图像进行高效和精准的检测与识别在实际军事和民用应中发挥着重要的作用。现阶段的光学遥感技术，已经达到了高分辨率、大幅宽、高速以及多谱段探测的水平，导致获取的光学遥感数据量不断增大；高效的遥感图像处理方式在如此庞大的数据量中变得至关重要。

中科院大学Wang W等人其发表论文[A novel method of aircraft detectionbased on high-resolution panchromatic optical remote sensing images[J].Sensors,2017,17(5):1047.]，其中以直线段加权密度显著模型为基础设计改进了机场区域检测算法，主要针对大幅宽低分辨率复杂场景光学遥感图像中进行机场目标的快速搜索与定位，得到目标的候选区域，提高目标识别效率，但是该设计方法将宽幅遥感大图基于传统的特征。文献[Liu G,Zhang Y,Zheng X,et al.A new method on inshore shipdetection in high-resolution satellite images using shape and contextinformation[J].IEEE Geoscience and Remote Sensing Letters,2014,11(3):617-621.]采用一种基于能量的轮廓模型，在候选区域提取阶段加入了基于传统人工特征进行关键点检测，并结合船只的先验性尺度比例分布来去除虚假候选区域。

现有的宽幅遥感检测技术存在以下几个问题：1、光学遥感图像受光照、天气、成像条件等因素影响，采用传统人工设计的特征很难准确表示目标信息，导致图像检测精度下降；2、传统的候选区域提取基于传统特征提取，时效性慢；3、基于滑窗重叠的宽幅遥图像检测方法速度慢。

发明内容

本发明针对上述方法的不足，提出一种快速、检测精度高的兴趣区域重检测的宽幅光学遥感目标检测方法。

本发明是一种基于兴趣区域重检测的宽幅光学遥感目标检测方法，包括有以下步骤：

(1)制作多尺度训练样本：输入宽幅光学遥感大图，将宽幅遥感图像切块分割成多尺度小图，制作成检测网络模型训练样本；

(2)构造混合重检测网络模型：网络模型主要包括特征提取网络、反卷积模块、侧连接融合模块和预测网络结构四部分；

(2a)通过基于ImageNet预训练模型ResNet-50进行多尺度小图特征提取；

(2b)在特征提取层后面加入反卷积层，提取分辨率高的、语义信息丰富的特征；

(2c)将浅层特征与深层特征通过侧连接模块进行特征拼接融合方式，得到融合特征；