[发明专利]一种结合旋转框和上下文信息的卫星图像舰船检测方法

摘要

本发明提供一种结合旋转框和上下文信息的卫星图像舰船检测方法，首先采用颜色变换、尺度变换和角度变换扩充训练数据集；接着利用密集连接卷积神经网络进行特征提取，得到既具有强语义信息又有精确位置信息的特征图；再利用旋转区域候选网络，在特征图上生成一系列多尺度、多纵横比、多角度的候选边界框；最后利用多区域全连接网络提取候选边界框上下文复合特征用于舰船检测。相较于以往的舰船检测方法，本发明从数据预处理、特征提取、候选边界框生成、检测器等多个角度出发，可以得到更高的检测精度。

主权项

1.一种结合旋转框和上下文信息的卫星图像舰船检测方法，其特征在于包括以下步骤：步骤1，搭建舰船检测网络模型，包括密集连接网络、候选边界框生成网络和多区域全连接网络；步骤2，采用颜色变换、尺度变换和角度变换扩充训练数据集的样本图像数目，并对扩充后样本进行标注；步骤3，利用密集连接网络对扩充后样本集的样本进行局部线性和非线性变换，包括卷积、池化、批归一化和修正线性单元激活函数运算，得到具有高语义信息的特征图；步骤4，利用候选边界框生成网络在特征图的每个位置生成多个不同尺度、不同纵横比和不同角度的默认候选边界框，然后分别对默认候选边界框进行二分类、边框回归和位置调整，得到调整后的候选边界框；步骤5，利用多区域全连接网络将每个调整后的候选边界框的外部特征、内部特征以及候选边界框自身特征进行级联，级联后进行分类和回归，得到训练样本的舰船检测结果；步骤6，基于训练样本的舰船检测结果与训练样本真实值，计算损失函数，若损失函数收敛，则得到训练好的舰船检测网络模型，否则，返回步骤3，继续训练模型；步骤7，将待检测图像输入训练好的舰船检测网络模型，得到舰船检测结果。