[发明专利]一种基于边界优化神经网络的舰船遥感目标检测方法

说明书

本发明公开了一种基于边界优化神经网络的舰船遥感目标检测方法，包括：高分辨率卫星影像舰船数据的标注；在舰船目标数据标注后，进行训练样本数据的生成和数据增广；设计基于边界优化神经网络的舰船目标检测模型，将增广后的数据输入至舰船目标检测模型，获得检测目标区域；采用NMS算法进行去重，获取最后的舰船遥感目标检测结果。本发明可以提取更多的边界特征，实现对任意旋转方向的遥感舰船目标的定位进行优化，同时提高遥感舰船目标的检测准确性。

技术领域

本发明属于图像处理技术领域，更具体的说是涉及一种基于边界优化神经网络的舰船遥感目标检测方法。

背景技术

舰船作为海上重要的军事目标和主要的运输载体，在军用领域和民用领域有重要的意义和广阔的应用场景。在军用领域，可以监测目标区域重点港口和目标海域的舰船位置、型号、数量等相关信息，获取舰船战略部署情况、战场环境态势等情报信息，为战略决策的制定提供有效依据；在民用领域，可以监测重点海域和港口，辅助救援遇难船只、打击非法倾倒油污、非法捕鱼、走私和海盗等违法行为，为海运运输和安全管理部门提供支持。

近年来，随着对地观测技术的不断发展，卫星遥感已经进入了前所未有的新阶段，拥有高空间分辨率、高时间分辨率、高光谱分辨率等的成像卫星不断涌现，为舰船目标的监视提供了丰富的数据源。面对海量的遥感影像数据，仅依靠人工目视解译识别舰船目标无法满足现代社会对高效信息的需求，如何基于遥感数据进行舰船目标的快速自动检测识别已成为热点课题。由于合成孔径雷达(Synthetic aperture radar，SAR)可获取全天时、全天候成像数据，可见光影像易受光照和云雾等因素的影响，目前基于卫星遥感影像的舰船目标检测大多围绕SAR影像展开且相对成熟，基于光学卫星遥感影像的舰船目标检测研究起步较晚，技术相对滞后，目前大部分仍处于理论研究阶段。

目前，为了快速准确地获取舰船目标，舰船目标检测方法通常采用由粗到精的策略。首先对获取影像进行预处理，从大幅影像中提出检测候选区域，利用舰船目标中最为明显且计算量小的特征，获取舰船目标可能存在区域，再利用舰船精细特征进一步确认，去除虚假目标，获取真实舰船目标。

基于传统舰船检测识别算法，当面对复杂海洋背景时，检测的虚警率升高，难以满足舰船智能检测的需要。

因此，如何提供一种基于边界优化神经网络的舰船遥感目标检测方法成为了本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于边界优化神经网络的舰船遥感目标检测方法，可以提取更多的边界特征，实现对任意旋转方向的遥感舰船目标的定位进行优化，同时提高遥感舰船目标的检测准确性。

为了实现上述目的，本发明采用如下技术方案：

一种基于边界优化神经网络的舰船遥感目标检测方法，包括如下步骤：

(1)高分辨率卫星影像舰船数据的标注；

(2)在舰船目标数据标注后，进行训练样本数据的生成和数据增广；

(3)设计基于边界优化神经网络的舰船目标检测模型，将增广后的数据输入至舰船目标检测模型，获得检测目标区域；

(4)采用NMS算法进行去重，获取最后的舰船遥感目标检测结果。

优选的，高分辨率卫星影像舰船数据的标注的方法为：利用图片标注工具对高分辨率卫星影像中的舰船目标使用四点法进行四边形标注框绘制，并将所有标注好的目标框信息以及类别信息以XML格式的形成的文件存储到本地。

优选的，存储到本地的信息包括四边形四个点的坐标以及舰船类别信息，每个文件中不同舰船目标需要相应的标注信息。