[发明专利]基于遥感影像快速构建飞机分类数据集的方法

说明书

本发明公开了一种基于遥感影像快速构建飞机分类数据集的方法，该方法包含3个关键步骤，一是标注原始遥感影像，记录每个飞机的类型及其在影像中的坐标，形成标注文件；二是对原始遥感影像进行初次裁剪，形成每张切片只包含一个目标的切片，同时自动生成与每张切片相对应的标注文件；三是多角度旋转切片并计算旋转后目标在切片中的坐标，最后从旋转后的切片中裁剪目标。本发明中的方法对于像素点10000*10000以上的遥感影像的裁剪和旋转操作，相比于直接旋转原始遥感影像然后再裁剪的方式，数据处理效率提升了大约6倍，且本发明的方法裁剪形成的目标在进入分类网络进行缩放时飞机不会发生形变，能使飞机特征提取更加准确，提高模型分类准确度。

技术领域

本发明属于计算机视觉数据增强领域，尤其涉及一种基于遥感影像快速构建飞机分类数据集的方法。

背景技术

信息的存在的类型多种多样，特别的，以图像形式存在的信息显得尤为重要，相对于文本、音频等信息，图像显得更加直观，包含更多的信息。充分提取图像的信息是未来信息处理的一个重要方向，传统的提取图像信息的方式主要是人工判读，效率低下，随着科技的发展，图像采集能力越来越强，图像数量呈指数级增长，人工的方式已经无法适应时代的发展和实际情况，亟需开展利用机器智能判读图像的研究。

利用机器学习训练模型的基础是数据集，而数据的标注工作量大，本申请的方法正是针对数据集构建的一种数据增强方法，通过标注少量遥感影像，即可形成具有一定规模且符合模型训练需求的数据集。

数据增强与数据集构建，几乎每个机器学习研究者都会涉及到。目前常用的传统数据增强方法有旋转、平移、缩放、随机遮挡、随机裁剪、翻转、亮度调整、噪声扰动等。利用机器学习进行数据增强的方式有基于生成对抗网络方式。

张晓峰在“基于生成对抗网络的数据增强方法”论文中针对数据匮乏，神经网络难以训练的问题给出了一种基于生成对抗网络的数据增强方法，并通过实验结果表明，合成的数据和真实的数据相比既具有语义上的相似性，同时又能呈现出文本上的多样性；加入合成的数据后，神经网络能够更加稳定地训练。(张晓峰，基于生成对抗网络的数据增强方法，计算机系统应用，2019年10月)

专利“一种应用于目标检测的红外图像数据增强方法”中针对红外图像数据缺乏，不足以支撑训练检测器的问题，公布了一种通过构建生成对抗网络作为图像生成器将彩色图像从彩色域转换至红外域的方法，进而便于训练基于红外图像的目标检测网络，以提高在光照不良的环境下目标的检出率。(王伟栋，沈修平，一种应用于目标检测的红外图像数据增强方法，202011412775)

遥感影像标注时，由于飞机的形状各异，长宽比不一，飞机的标注框不是正方形，而是长方形，且长宽比大于1.2的飞机达到了40％，而分类网络在将图片输入网络前会将图形缩放拉伸成正方形(比如224x224,或者256x256)，这种拉伸操作会导致飞机发生形变，如图3所示，且由于同一类型由于飞机的角度不同和标注的误差，会导致拉伸比例也各不相同，会增大识别模型提取飞机特征的难度，导致特征提取不准，降低模型的识别准确率。

遥感影像像素点较大，平均像素在10000*10000以上，但是一张遥感影像中的飞机目标数量较少且不等，较少的3-5架，较多的50-60架，数据增强时直接对原图旋转时，内存消耗大，计算量多，耗时太多。而如果先直接裁剪目标然后再旋转的方式，旋转后会带黑边，影响分类模型的准确度。

发明内容

发明目的：本发明所要解决的技术问题是针对机器学习对数据需求量大、遥感影像原始数据少、分类数据标注成本高，而且现有数据增强方式效率低和飞机目标图片进入网络识别前会产生形变的问题，提供一种基于遥感影像快速构建飞机分类数据集的方法。

为了解决上述技术问题，本发明公开了一种基于遥感影像快速构建飞机分类数据集的方法，包括：

步骤1、标注原始遥感影像，用矩形框标注原始大幅遥感影像中的飞机目标，并记录标注框在影像中的坐标，形成原始标注文件；