[发明专利]基于兴趣区域重检测的宽幅光学遥感目标检测方法

摘要

本发明公开了一种基于兴趣区域重检测的宽幅光学遥感目标检测方法，主要解决宽幅光学遥感目标检测中对小尺度目标检测精度低及重叠滑窗检测时效性慢的问题。具体步骤有：制作多尺度训练样本；设计检测网络模型结构；对混合重检测网络模型进行训练；宽幅影像候选兴趣区域提取与重检测。本发明设计的检测网络模型，能拟合不同尺度目标的检测；基于兴趣区域检测不需重叠检测，降低了宽幅遥感图像候选区域提取的时间，采用对候选区域基于目标的尺度先验性进行重检测，改善了小目标的检测效果，检测精度更高。可应用于任何宽幅像素分辨率大小的光学遥感图像的检测。

主权项

1.一种基于兴趣区域重检测的宽幅光学遥感目标检测方法，包括有以下步骤：(1)制作多尺度训练样本：输入宽幅光学遥感大图，将宽幅遥感图像切块分割成多尺度小图，制作成检测网络模型训练样本；(2)构造混合重检测网络模型：检测网络模型主要包括特征提取网络、反卷积模块、侧连接融合模块和预测网络结构四部分；(2a)通过基于ImageNet预训练模型ResNet‑50进行多尺度小图特征提取；(2b)在特征提取层后面加入反卷积层，提取分辨率高的、语义信息丰富的特征；(2c)将浅层特征与深层特征通过侧连接模块进行特征拼接融合，得到融合特征；(2d)将检测网络模型设置多个不同尺度的融合特征进行预测；(2e)对多个不同尺度特征每个位置点设定其预测锚框anchors的数量、尺度和比例；(2f)对多个不同尺度特征分别加入位置回归金字塔网络和分类金字塔预测网络；(3)对混合重检测网络模型进行训练：反卷积模块、侧连接融合模块和预测网络参数随机初始化，采用反向传播算法进行重检测网络模型参数反复迭代更新；重检测网络模型训练到最大迭代次数，模型更新结束，得到训练好的重检测网络模型；(4)宽幅影像候选兴趣区域提取与重检测：通过训练好的重检测网络模型对输入宽幅光学遥感大图先进行滑窗候选兴趣区域提取，不重叠检测，再对候选兴趣区域通过重检测模型进行重检测，得到重检测后的整张光学遥感大图的检测结果。