[发明专利]基于边界框修正算法的遥感图像飞机目标检测方法

说明书

本发明提出了一种基于边界框修正算法的遥感图像飞机目标检测方法，解决了传统非极大值抑制算法直接选择得分最高边界框而造成的检测边界框不精确和被切分的飞机在检测时被多框标注引起的虚警问题。包括以下步骤：生成训练和测试样本集；训练样本预处理；测试样本重叠切片，得到预处理后的测试样本；训练飞机目标检测模型；检测切片中的飞机目标；用边界框修正法对测试样本中的检测结果进行边界框修正；生成飞机目标检测结果图。本发明对同一目标上的相交边界框，用相叠修正法相叠修正，获得更加精准的检测框；对同一目标上的平行相邻边界框用相邻融合法融合改进，在检测结果中去除同一目标上的多框虚警。本发明用于遥感图像飞机目标检测。

技术领域

本发明属于图像处理技术领域，更进一步涉及图像目标检测技术领域中的飞机目标检测，具体是一种基于边界框修正算法的遥感图像的飞机目标检测方法。本发明可用于对遥感图像中的飞机目标进行检测。

背景技术

近年来，以目标检测识别为代表的计算机视觉技术取得了较为瞩目的进展，将目标检测技术应用于光学遥感图像中，成为遥感科学和计算机视觉技术的研究热点之一。

飞机是一种价值较高的军事装备和交通工具，利用目标检测技术自动检测遥感图像上的地面飞机目标，在军事和民用领域都意义重大。在军事领域，及时有效地发现敌方地面飞机目标，利用光学制导武器歼敌于未动之时，可以赢得战争的主动性；在民用领域，通过遥感图像地面飞机检测技术对机场飞机目标进行监测，可以帮助机场实现自动化管理。

传统的对遥感图像进行检测时，由于图像尺寸巨大，需要对待检测图像进行重叠切分，为了解决重叠切分带来的重叠部分检测目标会有多框标注的问题，采用的后处理方法为非极大值抑制算法(Non-Maximum Suppression，NMS)。非极大值算法首次在RCNN和微软的SPP-net中所涉及，非极大值抑制算法就是需要根据得分(score)矩阵和区域(region)的坐标信息，从中找到置信度比较高的边界框。首先，NMS计算出每一个边界框的面积，然后根据score进行排序，把score最高的边界框作为首个要比较的对象；接着，计算其余边界框与当前最大得分边界框的IoU，去除IoU大于设定的阈值的边界框，保留小的IoU的边界框；然后重复上面的过程，直至候选边界框为空。最终，检测边界框的过程中有两个阈值，一个就是IoU，另一个是在过程之后，从候选的边界框中剔除score小于得分阈值的边界框。非极大值抑制算法NMS一次处理一个类别，如果有N个类别，NMS就需要执行N次。

传统的非极大值抑制算法NMS方法是基于分类分数的，只有最高分数的预测框能留下来，但是大多数情况下交并比IoU和分类分数不是强相关，很多分类标签置信度高的框都位置都不是很准。

另外，由于对遥感图像进行的切分，处于切分边缘位置的飞机目标就可能被分割，破环了飞机目标的完整性。此时，目标检测结果中就会对同一个目标的不同位置标上检测框，由于这些框是不相交的即Iou(交并比)为零，传统的非极大值抑制方法无法对这些同一目标上不相交的边界框进行处理，无法解决此种情况引起的多框虚警问题。

发明内容

本发明的目的在于克服上述缺陷，提出了一种检测框精度更高，降低虚警的基于边界框修正算法的遥感图像飞机目标检测方法。

本发明是一种基于边界框修正算法的遥感图像飞机目标检测方法，其特征在于，包括有如下步骤：

(1)生成训练样本集和测试样本集：从遥感图像数据集中选取含有飞机目标的遥感图像作为源数据；选取源数据中的80％作为训练样本，剩余的20％作为测试样本；

(2)对训练样本进行预处理：首先对训练样本集中每张遥感图像进行重叠切片预处理，然后对训练样本集中未含有label的遥感图像中的飞机目标类别、目标位置信息进行标注，得到xml格式的标注文件，并将其转化为适用于YOLO v3模型训练的文本格式的标注文件；