[发明专利]一种基于星载红外遥感影像的弱小目标检测方法

权利要求书

1.一种基于星载红外遥感影像的弱小目标检测方法，其特征在于，包括：

获取样本数据：获取宽幅红外遥感影像，并对目标区域进行弱小目标标注，分别对所述宽幅红外遥感影像和标注后得到的标签进行切割，得到一一对应的红外图像切块和标签切块；

构建数据集：基于所述红外图像切块和所述标签切块，构建粗检红外遥感数据集和精检红外遥感数据集；

扩增数据集：分别对所述粗检红外遥感数据集和所述精检红外遥感数据集进行数据扩增，得到粗检红外扩增数据集和精检红外扩增数据集；

粗检目标：构建浅层粗检神经网络，并通过所述粗检红外扩增数据集对所述浅层粗检神经网络进行训练，将待检测图像输入训练好的浅层粗检神经网络，得到包含待检测弱小目标的红外图像切块；

精检目标：构建深层精检神经网络，并通过所述精检红外扩增数据集对所述深层精检神经网络进行训练，将所述包含待检测弱小目标的红外图像切块输入训练好的深层精检神经网络，得到待检测弱小目标的位置与类别信息。

2.根据权利要求1所述的一种基于星载红外遥感影像的弱小目标检测方法，其特征在于，所述获取样本数据的过程，具体包括：

获取宽幅红外遥感影像，并对所述宽幅红外遥感影像进行图像拉伸；

通过标注工具对拉伸后的宽幅红外遥感影像进行弱小目标矩形框标注，得到对应的标签；

通过滑动窗口对拉伸后的宽幅红外遥感影像和标签进行有重合区域的切割裁剪，得到红外图像切块和标签切块。

3.根据权利要求2所述的一种基于星载红外遥感影像的弱小目标检测方法，其特征在于，所述有重合区域的切割剪裁，具体包括：

通过预设尺寸的滑动窗口，在所述宽幅红外遥感影像中上、下、左、右四个方向重合预设长度并进行切割，得到红外图像切块；

将标签中弱小目标的位置坐标减去滑动窗口左上点坐标，切割得到标签切块。

4.根据权利要求1所述的一种基于星载红外遥感影像的弱小目标检测方法，其特征在于，所述构建数据集的过程，具体包括：

判断各个所述标签切块中是否包含待检测弱小目标；

将包含待检测弱小目标的标签切块对应的红外图像切块作为正样本，将不包含待检测弱小目标的标签切块对应的红外图像切块作为负样本，构建粗检红外遥感数据集；

挑选出正样本以及正样本对应的标签切块，构建精检红外遥感数据集。

5.根据权利要求4所述的一种基于星载红外遥感影像的弱小目标检测方法，其特征在于，所述粗检目标的过程，具体包括：

构建浅层粗检神经网络，并将粗检红外扩增数据集中的数据输入所述浅层粗检神经网络，进行正负样本分类预测，得到粗检预测结果；

计算所述粗检预测结果与所述标签中弱小目标的真实信息之间的误差值，并根据所述误差值更新所述浅层粗检神经网络中的权重参数；

直至所述误差值不再减少时，保存并加载对应的所述浅层粗检神经网络中的权重参数；

将待检测图像输入权重参数加载完毕后的所述浅层粗检神经网络中，得到对应的正负样本预测结果。

6.根据权利要求5所述的一种基于星载红外遥感影像的弱小目标检测方法，其特征在于，所述浅层粗检神经网络包括卷积层、最大池化层、平均池化层以及全连接层；

所述卷积层用于提取红外图像特征，所述最大池化层用于通过预设步长的滑动窗口压缩所述红外图像特征，所述平均池化层用于将每张红外图像压缩为一个参数，所述全连接层用于将所述红外图像特征映射为两个参数，其中两个参数中最大值所在位置用于预测正负样本类别。

7.根据权利要求5所述的一种基于星载红外遥感影像的弱小目标检测方法，其特征在于，所述粗检预测结果与所述标签中弱小目标的真实信息之间的误差值通过交叉熵损失函数计算得到，计算公式为：

其中，是浅层粗检神经网络输出的粗检预测结果为正样本的概率；y是样本标签，若为正样本，取值为1，若为负样本，取值为0。