[发明专利]一种遥感图像下的飞机检测方法及存储介质

权利要求书

1.一种遥感图像下的飞机检测方法，其特征在于，包括以下步骤：

第一阶段神经网络模型推理：

根据输入待检测遥感图像，构造图像金字塔；

将图像金字塔的每一层依次作为第一阶段神经网络的输入，得到图像金字塔的每一层对应的输出结果，所述输出结果包括区域坐标及区域置信度；

对于每一层对应的输出结果，将其区域置信度低于第一预设阈值的区域全部忽略，然后对剩下的区域进行执行非极大值抑制；

将所有层的输出结果进行合并后，再次执行非极大值抑制，得到第一阶段输出结果；

第二阶段神经网络模型推理：

将第一阶段输出结果作为第二阶段神经网络的输入，得到第二阶段输出结果；

将第二阶段输出结果中的区域置信度小于第二预设阈值的区域忽略，然后对剩下的区域进行非极大值抑制，得到最终输出结果，所述第一预设阈值小于第二预设阈值；

所述根据输入待检测遥感图像，构造图像金字塔具体包括以下步骤：

根据输入待检测遥感图像，以scale为下采样因子，通过先验信息的下采样尺寸确定技术构造图像金字塔；

所述先验信息的下采样尺寸确定技术具体包括：

获取遥感图像拍摄时的参数，所述参数包括拍摄高度、成像参数及拍摄分辨率；

根据获取的参数计算得到拍摄得到的遥感图像与实际场景之间的比例尺；

根据现有飞机的实际尺寸，确定现有飞机在遥感图像上的尺寸；

选择现有飞机的最小尺寸作为图像金字塔的顶层尺寸的阈值；

还包括以下步骤：

依次遍历历史数据集中的所有遥感图片，在每个遥感图片的每个飞机实例周围随机剪裁出N个区域，根据区域与飞机实例之间的交并比将区域分为正样本、部分样本及负样本，得到第一阶段训练样本；

第一阶段神经网络的训练：

每次从第一阶段训练样本中选取K个样本，所述K个样本包括正样本、部分样本及负样本；

将选取的每个样本的尺寸都重新调整为指定大小，将调整后的样本作为神经网络的输入，得到输出结果，计算损失函数并更新参数；

直至第一阶段训练样本的所有样本训练完成后，得到第一阶段神经网络模型；

对历史数据集中的所有遥感图片执行第一阶段神经网络模型推理，得到第一阶段训练结果；

将第一阶段训练结果与飞机实例的真实标注计算交并比，将第一阶段训练结果分为正样本、部分样本及负样本；

第二阶段神经网络的训练：

从第一阶段训练结果中选取L个样本，所述L个样本包括正样本、部分样本及负样本；

将选取的每个样本的尺寸都重新调整为指定大小，将调整后的样本作为神经网络的输入，得到输出结果，计算损失函数并更新参数。

2.根据权利要求1所述遥感图像下的飞机检测方法，其特征在于，还包括以下步骤：

从历史遥感图像中选择出若干个具有不同旋转角度的飞机实例；

通过使用图像风格迁移技术，将大量与机场、飞机相关的自然场景图像转换成遥感图像；

将选择的飞机实例复制粘贴到转换后的遥感图像上的随机位置，得到处理后的遥感图像；

将历史遥感图像及处理后的遥感图像共同构成历史数据集。

3.根据权利要求1所述遥感图像下的飞机检测方法，其特征在于，所述K个样本之间的正样本、部分样本及负样本之间的比例为1：2：3；

所述L个样本之间的正样本、部分样本及负样本之间的比例为1：2：3。