[发明专利]基于深度去噪自动编码器的无人机图像目标检测方法及系统

说明书

本发明提供的基于深度去噪自动编码器的无人机图像目标检测方法及系统，首先提取无人机图像的径向梯度特征，将提取的梯度特征送入深度去噪自动编码器，编码器对提取到的径向梯度特征添加随机高斯白噪声，通过多层编码，生成具有强表征能力的无人机图像高层特征，使用反向传播算法最小化深度自动编码器重构误差，解算模型参数，使用softmax分类器对高层特征进行分类，得到高精度和高鲁棒性的目标检测结果。

技术领域

本发明属于无人机图像目标检测领域，特别涉及一种基于深度去噪自动编码器的无人机图像目标检测方法及系统。

背景技术

无人机具有机动性强、效率高、成本低、可重复使用的特点，在工业、商业应用中的需求越来越强烈，无人机搭载高精度相机对地面场景区域开展航拍巡检作业，获取巡检所覆盖场景影像数据进行目标检测，从而得到探测区域精准、实时的影像分析信息，能够应用在交通流量分析，城市建筑规划，输电线路巡检，石油管线巡检，边防巡检等领域。

相比于传统图像目标检测分析，无人机影像中拍摄过程中由于受机体振动的影像往往会带有噪声干扰，此外地面背景往往比较复杂，受到光照和成像角度的影响，同类目标的外观也可能存在各种差异，这些不利因素都给目标检测造成了困难，使得高效鲁棒和高准确性的无人机影像目标检测依然是一个富有挑战性的问题。而无人机前后两次对同一区域成像时，两幅图像之间不仅可能存在较大的成像视角差异，而且由于天气和光照等成像条件的不同，图像之间可能存在较大的整体或局部的亮度差异。在这些不利因素的影响下，无人机图像中的变化检测不仅需要解决图像的高精度配准问题，还需要解决在配准后图像上排除干扰提取高精度高可靠性变化信息的问题，使得无人机图像中的变化检测依然是一个难点问题。

综上所述，为了提取无人机图像的深层语义特征，提高无人机图像目标检测的鲁棒性和准确性，需要发展一种更加精准的航拍图像目标检测方法。

发明内容

针对无人机影像具有噪声干扰，航拍影像背景复杂等特点，本发明提供了一种基于深度去噪自动编码器的无人机图像目标检测方法及系统，应用于无人机航拍影像数据目标检测，通过从原始无人机航拍图像数据中学习航拍图像的高层特征，提取目标的二维空间结构信息，消除噪声干扰，提高无人机航拍图像目标检测方法的鲁棒性和准确性，提供高精度和高鲁棒性的目标检测结果。

本发明是通过以下技术方案来实现：

一种基于深度去噪自动编码器的无人机图像目标检测方法，包括以下步骤：

步骤1、构建深度去噪自动编码器模型，以及根据无人机航拍图像构建训练数据集；

步骤2、获取训练数据集中旋转不变性的特征向量，并将旋转不变性的特征向量输入深度去噪自动编码器模型；

步骤3、根据输入的旋转不变性的特征向量对深度去噪自动编码器模型进行训练，对输入的特征向量添加高斯白噪声，得到带有噪声的特征向量，对带有噪声的特征向量进行多层编码，生成具有强表征能力的无人机图像高层特征，对高层特征进行重构，使用反向传播算法使得模型重构误差最小化，解算模型参数，完成深度去噪自动编码器模型的训练。

优选的，步骤1中所述深度去噪自动编码器模型结构如下：

所述深度去噪自动编码器模型共有六层，第一层为输入层，输入特征数据；最后一层为输出层，输出特征重构结果；输入层和输出层之间共有四个隐藏层，其中第三个隐藏层为瓶颈层，瓶颈层输出最具强表征能力的高层特征，作为分类器分类的判据。

优选的，步骤2中所述旋转不变特征的获取方法如下：

使用选择性搜索方法，提取训练数据集中感兴趣区域，然后计算感兴趣区域中图块径向梯度特征，得到旋转不变性的特征向量。

优选的，计算感兴趣区域中图块径向梯度特征的方法如下：