[发明专利]基于yolov3算法与滑动窗口策略的SAR影像海面舰船检测方法

说明书

本发明公开了基于yolov3算法与滑动窗口策略的SAR影像海面舰船检测方法，数据预处理：将SAR影像数据进行数据标注与切分，将VOC2012图片数据集进行三通道灰度平衡处理；进行yolov3模型预训练：将VOC2012图片数据集作为输入数据，投入通用yolov3模型中进行模型训练；对训练后的yolov3模型进行迁移学习：将SAR影像数据投入预训练后的yolov3模型当中进行优化，获得目标yolov3检测模型；对实时SAR影像数据进行滑动窗口策略处理，然后输入到所述目标yolov3检测模型中，从而获得检测结果，并对所述检测结果进行聚类算法去重。本发明在低分辨率SAR影像上可以取得良好的检测效果，同时可以调节检测速度，具有识别速度快，检测精度高的优点，且本套方法也可用于其他类型卫星影像的目标检测。

技术领域

本发明属于计算机视觉技术领域，具体涉及基于yolov3算法与滑动窗口策略的SAR影像海面舰船检测方法。

背景技术

船舶是能航行或停泊于水域进行运输或作业的交通工具，我国是海事大国，每日有大量船只在我国领海活动，对于船只的管理与监控是海事部门的重要职责。但是由于我国海域宽广，船只流量巨大等原因，海面船只的监管不能直观地显示出来。SAR(SyntheticAperture Radar)，即合成孔径雷达，是一种主动式的对地观测系统，可安装在飞机、卫星、宇宙飞船等飞行平台上，全天时、全天候对地实施观测、并具有一定的地表穿透能力。SAR影像具有全天候，抗云雨等特点，因此基于SAR影像的舰船目标检测与识别技术在海洋监测等领域具有重要意义。

人类社会已经进入大数据时代，传统的信息存储和传播媒介已逐渐为计算机所替代，并呈现出指数增长的趋势，成为21世纪最为重要的资源之一。人工智能技术的快速发展为大数据隐含信息的精准获取和有效整合应用能力提供了全新的策略，深度学习是人工智能技术中目前研究最火热的一种技术，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，例如图像，声音和文本，通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习能够得到很好地表示数据的特征，同时由于模型的层次、参数很多，因此，模型有能力表示大规模数据，能够在大规模训练数据上取得更好的效果。

将SAR影像海面舰船检测与深度学习有机结合，能够在速度和精度方面超越传统检测方法。同时，使用低分辨率的SAR影像可以进行大范围的舰船检测识别，在保证精度的情况下，弱化了海面舰船监管的难度，能提高有关部门的工作效率。

因此，现阶段需要提供基于yolov3算法与滑动窗口策略的SAR影像海面舰船检测方法。

发明内容

本发明目的在于提供基于yolov3算法与滑动窗口策略的SAR影像海面舰船检测方法，用于解决上述现有技术中存在的技术问题之一，如：将SAR影像海面舰船检测与深度学习有机结合，能够在速度和精度方面超越传统检测方法。同时，使用低分辨率的SAR影像可以进行大范围的舰船检测识别，在保证精度的情况下，弱化了海面舰船监管的难度，能提高有关部门的工作效率。

为实现上述目的，本发明所采用的技术方案是：

基于yolov3算法与滑动窗口策略的SAR影像海面舰船检测方法，其特征在于，包括以下步骤：

S1、数据预处理：将SAR影像数据进行数据标注与切分，将VOC2012图片数据集进行三通道灰度平衡处理；

S2、在步骤S1的基础上，进行yolov3模型预训练：将VOC2012图片数据集作为输入数据，投入通用yolov3模型中进行模型训练；

S3、在步骤S2的基础上，对训练后的yolov3模型进行迁移学习：将SAR影像数据投入预训练后的yolov3模型当中进行优化，获得目标yolov3检测模型；