[发明专利]基于轻量级CNN与多源特征决策的红外图像舰船检测方法

权利要求书

1.一种基于轻量级CNN与多源特征决策的红外图像舰船检测方法，其特征在于，首先利用多元高斯分布来提取目标候选区；然后将预处理的全色图像辅助数据量有限的红外样本进行训练；最后将基于傅里叶变换提取的全局特征与轻量级网络提取的局部特征相结合，并级联决策以逐步排除虚警，从而确认舰船目标；

包括如下步骤：

(1)对输入的原始遥感图像M×M分成N×N大小的图像块，可分成(M×M)/(N×N)＝L块；对分块后的N×N图像块根据步长S为1，滑动窗口大小为K×K进行像素重排列；则N×N大小的图像块最终形成大小为((N-K)/S+1)×((N-K)/S+1)的图像块I_i(i＝1,2,3,...,L)，该图像块中的每个像素被K×K×1向量代替；

(2)将步骤(1)中得到的像素重排的图像块I_i进行基于多元高斯分布策略提取图像中的异常点；假设图像块I_i中的每一行作为一个样本x_i，每个样本x_i服从高斯分布，并使用它们来估计整体样本块参数平均值μ和方差Σ的值；多元高斯中的异常值M(x)＝(x-u)^T∑^-1(x-u)，其中M(x)作为异常判断的条件阈值，x代表像素重新排列之后的样本，T代表矩阵的转置；

(3)根据步骤(2)中得到的异常点形成的连通区域进行8连通，得到每个连通域面积的最大外接矩形的位置，在原图中找到这些目标候选区的位置，初步得到目标候选区集合S1；

(4)根据连通域面积大小，长宽约束，对步骤(3)得到的目标候选区集合S1初步排除虚警；进一步缩小目标搜索区域，得到舰船目标候选区集合S2；

(5)由于全色分辨率较高，而红外分辨率较低，所以对全色舰船正样本进行预处理；进行退化操作，使全色样本图像中目标样本纹理不清晰；

(6)将步骤(5)中得到的退化后的图像进行灰度级调整；

(7)将步骤(6)处理得到的可见光全色遥感图像中的舰船来辅助数据量有限的红外舰船样本集，并进行多种策略的数据增强，得到来源于不同数据源的融合数据集，以便更好的学习舰船特征；

(8)将基于傅里叶变换的全局频谱特征对步骤(7)得到的融合数据集进行训练，得到模型M1，并对S2进行模型验证，得到目标候选切片集合S3；

(9)设计轻量级卷积神经网络结构，在保证分类精度的同时，对卷积核大小和网络层数进行简化设计；

(10)将基于轻量级卷积神经网络提取的局部特征对步骤(7)得到的MDS进行训练，得到模型M2，并对S3进行模型验证，以逐步排除虚警，得到最终的目标确认切片集合S4；其中，S1S2S3S4。

2.根据权利要求1所述的一种基于轻量级CNN与多源特征决策的红外图像舰船检测方法，其特征在于，步骤(2)中，利用公式(2)、(3)和(4)对分块后的图像进行多元高斯分布策略来提取目标候选区：

其中，x代表像素重新排列之后的样本，m是样本数量；u是样本特征平均值，Σ是所有样本减去平均值u，然后将其平方并相加得到的方差。

3.根据权利要求1所述的一种基于轻量级CNN与多源特征决策的红外图像舰船检测方法，其特征在于，步骤(6)中，通过公式(6)实现全色图像样本数据的退化处理：

g(u,v)＝H[f(u,v)]+n(u,v) (6)

其中，(u,v)代表原始二维图像中的像素坐标位置，f(u,v)代表原始图像，H是对原始图像进行的退化操作，n(u,v)代表对原始图像施加的退化噪声。