一种基于模型融合的卫星图像检测方法技术

本发明专利技术提出了一种基于模型融合的卫星图像检测方法，包括以下步骤：对原始图像进行随机旋转，随机改变图像对比度，对原始图像添加噪声；使用检测效果有差异性的三种神经网络模型对卫星图像中的飞机场、飞机、油罐、港口、船进行检测；对结果文件采用模型融合方式进行融合；将最终结果文件中的坐标，类别反映到图片上，实现检测。一种基于模型融合的卫星图像检测方法，将深度学习技术、集成学习技术和图片处理技术相结合，提高了目标检测的速度和精度。

【技术实现步骤摘要】
一种基于模型融合的卫星图像检测方法
本专利技术涉及到图片处理、深度学习、集成学习，具体涉及到一种基于模型融合的卫星图像检测方法。
技术介绍
卫星图像具有较高的使用价值，通过它可以观察地面情况还能记录地面的变化。但是，卫星图像的处理还存在着一些问题：在卫星图像中，感兴趣目标的相对尺寸都较小而且通常很密集，与平常数据集中的显著物体不同；卫星图像中的物体朝着的方向是任意的，而常见的数据集中大多是垂直方向的；训练数据的匮乏，对于卫星图像而言，缺少高质量的训练集，卫星图像的像素值是很大的。近年来，随着深度学习的兴起，利用它对目标进行检测也越来越普及，基于深度学习的目标检测算法，减少了人的干预，它能够自动提取出目标的各种特征，有利于物体的识别与检测。利用卷积神经网络进行卫星图像中物体(飞机场、飞机、港口、船、油罐)的识别，增加了物体检测的准确性。基于YOLO算法改进的高效卫星图像目标检测算法(YOLT：YouOnlyLookTwice)，主要对大分辨率的输入和密集的小物体进行了改善。MaskRCNN是基于FasterRCNN架构提出的卷积神经网络，同时实现了物体检测和实例分割。SSD既采用了YO本文档来自技高网...

【技术保护点】
1.一种基于模型融合的卫星图像检测方法，包括：图像处理、模型检测、模型融合、返回结果。其特征在于：对获取的图像进行预处理；运用三种深度学习方法检测；对检测结果进行融合；将最终结果显示在图片上。

【技术特征摘要】
1.一种基于模型融合的卫星图像检测方法，包括：图像处理、模型检测、模型融合、返回结果。其特征在于：对获取的图像进行预处理；运用三种深度学习方法检测；对检测结果进行融合；将最终结果显示在图片上。2.如权利要求1所述的一种基于模型融合的卫星图像检测方法，其特征在于，所述对获取的图像进行预处理的步骤，包括：对原始图像进行随机旋转，随机改变图像对比度，对原始图像添加噪声。3.如权利要求1所述的一种基于模型融合的卫星图像检测方法，其特征在于...

【专利技术属性】
技术研发人员：张卫山，刘霞，耿祖琨，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东,37