[发明专利]基于卫星红外与可见光图像的海上目标信息融合方法

说明书

本发明公开了一种基于卫星红外与可见光图像的海上目标信息融合方法，该方法包括：卫星红外相机和可见光相机开机，对重点海域成像并向地面站下传图像；利用深度学习算法对可见光图像进行舰船目标检测，利用峰值信噪比阈值分割算法对红外图像进行舰船目标检测。根据可见光图像和红外图像的舰船目标检测点集，利用点模式匹配算法进行点集匹配，对点集进行筛选并根据筛选后的点集进行可见光图像和红外图像的配准。利用配准图像检测区域的交互比进行目标关联，综合目标切片，利用深度学习算法对舰船目标进行类型识别。本发明的基于卫星红外与可见光图像的海上目标信息融合方法，可以实现舰船目标的有效发现与识别。

技术领域

本发明涉及卫星探测技术领域，尤其涉及一种基于卫星红外与可见光图像的海上目标信息融合方法。

背景技术

在海洋监视中，基于卫星遥感影像的舰船目标检测与识别一直都是热门的研究问题。目前，用于舰船目标检测与识别的方法已经很多，特别是深度学习检测与识别框架的出现，使得舰船目标检测与识别系统更加实用化，但主要还是针对高分辨率的可见光与合成孔径雷达(SAR)图像。单一的卫星成像传感器不能适应复杂的海洋环境，在良好的气象环境下，卫星可见光相机可以获得海上目标丰富的纹理信息，但是在复杂的气象条件下，可见光图像中目标特征信息可能区分度不强，检测时出现很多漏警与虚警目标。与可见光图像相比，卫星红外图像抗干扰能力强，海上目标的红外辐射特性与海水、云雾等干扰具有很好的区分性，利用红外成像传感器很容易探测到舰船目标。另一方面，红外图像的分辨率一般低于可见光图像，在舰船目标类型识别能力上较弱。因此，在卫星上集成可见光相机与红外相机载荷，通过两种载荷对舰船目标的联合探测与信息融合，可以实现多源信息的优势互补，有效提高舰船目标的检测与识别能力。

发明内容

为实现上述目的，本发明提供了一种基于卫星红外与可见光图像的海上目标信息融合方法。具体技术方案如下：

一种基于卫星红外与可见光图像的海上目标信息融合方法，所述方法包括：

卫星红外相机和可见光相机开机，对重点海域成像并向地面站下传图像；

利用深度学习算法对可见光图像进行舰船目标检测，利用峰值信噪比阈值分割算法对红外图像进行舰船目标检测；

根据可见光图像和红外图像的舰船目标检测点集，利用点模式匹配算法进行点集匹配，对点集进行筛选并根据筛选后的点集进行可见光图像和红外图像的配准；

利用配准图像检测区域的交并比进行目标关联，综合目标切片，利用深度学习算法对舰船目标进行类型识别，其中：

所述利用深度学习算法对可见光图像进行舰船目标检测，包括：

选定训练集；

对训练集进行人工标注后训练Mask RCNN检测框架；

将可见光图像输入Mask RCNN检测框架，输出可见光目标位置，

点集匹配时采用刚性变换配准关系，配准算法采用迭代加权最小二乘ICP算法，

所述综合目标切片，利用深度学习算法对舰船目标进行类型识别，包括：

利用训练集训练CNN网络模型；

将可见光目标切片输入CNN网络模型，输出舰船目标类型，舰船目标类型包括：集装箱船、航母和驱逐舰。

可选地，所述利用峰值信噪比阈值分割算法对红外图像进行舰船目标检测，包括：

采用滑窗形式检测目标，滑窗形态包括目标区、保护区和杂波区；