[发明专利]一种可见光遥感图像候选目标提取与分类方法

权利要求书

1.一种可见光遥感图像候选目标提取与分类方法，其特征在于，包括以下步骤：

通过第一滑窗在遥感图像中提取大尺度区域，并输入到训练好的候选区域识别模型中，得到包含感兴趣目标的候选区域；

通过第二滑窗在上述候选区域中提取候选目标；

利用训练好的候选目标分类模型对上述提取的候选目标进行两步分类，确定候选目标的类别；所述候选目标分类模型包括：第二卷积神经网络和若干第二分类器，每个第二分类器分别与候选目标的两个可能类别相对应；所述第二卷积神经网络为VGGNet-16，包含13个卷积层、2个全连接层和1个输出层；分别从全连接层和输出层中提取候选目标的特征，所述输出层提取的特征用于确定候选目标的前M个可能类别；所述第二分类器均为LIBSVM分类器，通过上述全连接层提取的候选目标的特征，在上述前M个可能类别中确定候选目标的最终类别；

具体包括：

将提取的候选目标输入到训练好的第二卷积神经网络；

通过所述第二卷积神经网络的输出层提取候选目标的特征，并利用所述提取的特征计算类概率值；

对上述计算的类概率值进行排序，当所述类概率值中的最大值大于设定的阈值时，则将最大值对应的类别作为候选目标的类别；否则，进行第二步分类；

所述进行第二步分类，包括：将从所述第二卷积神经网络的第一个全连接层提取的候选目标特征输入到相应的第二分类器中，从上述排序前M的概率值对应的M个可能类别中选择候选目标所属的类别。

2.根据权利要求1所述的方法，其特征在于，所述候选区域识别模型包括：第一卷积神经网络和第一分类器；

所述第一卷积神经网络为VGGNet-16，包含13个卷积层、2个全连接层和1个输出层；从第一个全连接层中提取大尺度区域的特征；

所述第一分类器为LIBSVM分类器，通过上述提取的大尺度区域特征对大尺度区域进行分类。

3.根据权利要求2所述的方法，其特征在于，所述通过第二滑窗在上述候选区域中进行候选目标提取，包括：

利用第二滑窗在上述候选区域中提取出若干小尺度区域作为候选目标，所述第二滑窗的尺寸小于第一滑窗，相邻的小尺度区域间的重叠度为25％。

4.根据权利要求1所述的方法，其特征在于，所述计算类概率值为：对所述提取的特征进行归一化处理，得到候选目标的类概率值。

5.根据权利要求4所述的方法，其特征在于，在对所述第二卷积神经网络进行训练时，训练参数设置为：总循环次数为10000，动量为0.9，权重衰减为0.0005，初始学习速率为0.0001，每循环4000次学习率变为原来的1/10，数据块的大小为64。

6.根据权利要求5所述的方法，其特征在于，所述第二分类器的数量为N×(N-1)/2，其中，N是候选目标可能类别的总数。

7.根据权利要求1或6所述的方法，其特征在于，还包括采用非极大值抑制对得到的候选区域进行筛选：

当出现多个候选区域位置重叠程度超过设定的IOU阈值时，进行非极大值抑制，并按照分数从高到低排列候选区域；从得分最高的候选区域开始，依次和剩下的所有候选区域进行比较，将重叠面积与得分最高的候选区域的面积之比超过预设比值的候选区域舍弃，得到一组筛选后的候选区域；依次对所有候选区域进行同样处理，直到遍历所有的候选区域，得到两两之间重叠面积都小于预设比值的候选区域集合。

8.根据权利要求7所述的方法，其特征在于，所述第一滑窗的大小为图像中最大目标大小的4倍，第二滑窗的大小为图像中最大目标大小的1倍。