[发明专利]一种由区域到目标的可见光遥感图像候选目标提取方法

说明书

本发明涉及一种由区域到目标的可见光遥感图像候选目标提取方法，属于遥感图像处理和分析技术领域，解决了现有候选目标提取方法应用场景受限或提取的候选目标数量太多的问题。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，第一滑窗的尺寸根据目标大小确定；将上述提取的大尺度区域依次输入到训练好的候选区域识别模型中进行分类，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进行候选目标提取，第二滑窗的尺寸小于第一滑窗。本发明实现了在相同的召回率下，提取的候选目标数量远少于现有方法，有效减少目标检测识别工作量，提高后续检测识别的速度和精度；同时，可应用于各种环境场合，克服了场景限制。

技术领域

本发明涉及遥感图像处理和分析技术领域，尤其涉及一种由区域到目标的可见光遥感图像候选目标提取方法。

背景技术

候选目标提取是可见光遥感图像目标检测识别的重要基础，是检测识别流程中的关键环节。候选目标提取是指通过特定的方法在图像中进行搜索，去除图像中的非目标，保留疑似目标作为候选目标，提供给后续的目标检测识别环节，减少目标检测识别数据处理量，提高检测识别速度和精度。

现有的可见光遥感图像候选目标提取方法可以分为两类：基于阈值分割的方法和基于视觉显著性的方法。其中，基于阈值分割的方法利用目标和背景在灰度值、颜色、纹理等方面的差异，寻找合适的阈值将目标和背景区分开。如：利用大津算法进行水陆分割，然后检测边缘，最后根据检测的边缘提取候选舰船目标；利用大津算法分割水陆，然后使用线分割检测器检测线状目标，并将这些目标作为候选舰船；基于轮廓模型的能量函数，采用迭代全局优化的策略实现水陆分割；在海表均匀性分析的基础上，使用融合了像素和区域特征的线性函数来提取候选舰船等等。这类方法存在的主要问题是分割能力有限，一般只能用于背景相对简单的场合，例如舰船检测等。

基于视觉显著性的方法模拟了人类的目标搜索过程，利用的信息包括颜色、方向和梯度等。如：利用二值化梯度幅值特征进行飞机候选目标提取；综合利用颜色、方向和梯度等信息计算视觉显著性，并据此提取候选舰船目标等等。这类方法存在的主要问题是针对的是通用目标，所有的有明显几何轮廓的目标都被当作候选目标，因此提取出的候选目标数量较多。

发明内容

鉴于上述的分析，本发明旨在提供一种由区域到目标的可见光遥感图像候选目标提取方法，用以解决现有候选目标提取方法应用场景受限或提取的候选目标数量太多的问题。

本发明的目的主要是通过以下技术方案实现的：

提供了一种由区域到目标的可见光遥感图像候选目标提取方法，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，所述第一滑窗的尺寸根据目标大小确定；

将上述提取的大尺度区域依次输入到训练好的候选区域识别模型中进行分类，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进行候选目标提取，所述第二滑窗的尺寸小于第一滑窗。

本发明有益效果如下：本发明针对可见光遥感图像目标的聚集性特点进行候选目标提取，在相同的召回率下，提取的候选目标数量远少于现有方法(如：对于飞机候选目标提取，相比基于视觉显著性的方法，本发明提取的候选目标数量减少约40％；对于舰船候选目标提取，相比基于阈值分割的方法，本发明提取的候选目标数量减少约30％)，有利于减少目标检测识别工作量，提高后续检测识别的速度和精度。另外，本发明应用场景广泛，适用于可见光遥感图像中的飞机、舰船、车辆等多类目标；还可扩展应用于红外、高光谱、合成孔径雷达候选目标提取，可以满足各种环境场合。有效解决了现有基于阈值分割的候选目标提取方法分割能力有限，应用场景受限及基于视觉显著性的候选目标提取方法提取的候选目标数量太多，不利于后续的目标检测识别的问题。

在上述方案的基础上，本发明还做了如下改进：

进一步，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；