[发明专利]基于深度学习的遥感图像舰船尺寸一体化提取方法

权利要求书

1.一种基于深度学习的遥感图像舰船尺寸一体化提取方法，其特征在于，该方法包括以下步骤：

S1：构建遥感图像舰船尺寸训练集：获取遥感数据并进行预处理，获取船舶数据，将该两组数据相结合建立遥感图像中的舰船尺寸训练集；

S2：构建基于深度学习的遥感图像舰船尺寸一体化提取模型；

S3：模型训练：用S1构建的训练集对S2中构建的模型进行训练，将训练好的模型进行遥感图像的舰船尺寸提取；

所述S2中，包括以下步骤：

(1)舰船外包矩形初步提取模型

以深度神经网络Faster RCNN为基础，在目标外接矩形生成网络Region ProposalNetwork，RPN中增加方位角，生成旋转的舰船外接矩形Rotated-RPN，建立旋转的深度神经网络Rotated Faster RCNN；基于Rotated Faster RCNN识别遥感图像中舰船的旋转最小外包矩形Rotated Minimum Bounding Rectangle，RMBR，初步获得舰船的长和宽尺寸，即形成舰船外包矩形初步提取模型；

(2)舰船长、宽尺寸精确估计模型

以初提舰船长宽信息、遥感图像空间信息和遥感图像背景环境信息为输入，基于深层神经网络构建对舰船的长、宽尺寸精确估计模型；

(3)模型连接

将舰船外包矩形提取模型与舰船长、宽尺寸精确估计模型连接，形成基于深度学习的遥感图像舰船长、宽提取一体化模型；对模型进行训练，得到最优模型参数组合。

2.如权利要求1所述的遥感图像舰船尺寸一体化提取方法，其特征在于，所述提取方法还包括S4：模型测试，即对S3训练好的模型进行精度测试，评估模型效果。

3.如权利要求1所述的遥感图像舰船尺寸一体化提取方法，其特征在于，所述S1中对遥感数据进行辐射校正、几何校正预处理。

4.如权利要求1所述的遥感图像舰船尺寸一体化提取方法，其特征在于，所述S2中，原始遥感图像通过卷积神经网络对遥感图像进行Embedding，通过定义池化层来保留遥感图像中的背景信息，将Embedding后的信息，包括遥感图像空间信息和遥感图像背景环境信息，输入深度神经网络中；初步提取的舰船的长和宽尺寸也输入到深层神经网络中，经过神经网络变化得到舰船的精确长宽尺寸，从而形成舰船长、宽尺寸精确估计模型。

5.如权利要求1所述的遥感图像舰船尺寸一体化提取方法，其特征在于，所述S3中，多次迭代训练模型，直至S2中模型的所有训练参数均达到最优。