一种结合旋转框和上下文信息的卫星图像舰船检测方法技术

本发明专利技术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，本发明专利技术从数据预处理、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。

A Ship Detection Method Based on Satellite Image Combining Rotating Frame and Context Information

The invention provides a ship detection method based on satellite image combined with rotating frame and context information. Firstly, the training data set is expanded by color transformation, scale transformation and angle transformation; secondly, the dense connected convolution neural network is used for feature extraction to obtain the feature map with both strong semantic information and accurate location information; secondly, the rotating region candidate network is used to obtain the feature map. A series of multi-scale, multi-aspect ratio and multi-angle candidate boundary frames are generated. Finally, multi-area full-connection network is used to extract context compound features of candidate boundary frames for ship detection. Compared with the previous ship detection methods, the present invention can obtain higher detection accuracy from the angles of data preprocessing, feature extraction, candidate boundary box generation, detector and so on.

【技术实现步骤摘要】
一种结合旋转框和上下文信息的卫星图像舰船检测方法
本专利技术属于卫星图像识别领域，更具体地涉及一种结合旋转框和上下文信息的卫星图像舰船检测方法。
技术介绍
随着遥感技术的快速发展，当前的卫星传感器可以轻易地获取高分辨率图像。利用高分辨率卫星图像进行舰船检测是一个重要的研究方向，已经在渔业管理、船舶交通服务、海上作战等领域取得了广泛的应用。然而由于卫星图像舰船目标和自然图像中目标的一些显著差异，如：(1)卫星图像舰船目标的光照变化、尺度变化和纵横比变化更加强烈；(2)舰船目标会遭遇大量不同的复杂环境，例如近海岸环境、远海岸环境，以及海中油污、小岛这些和舰船相似目标的干扰；(3)卫星图像舰船目标通常呈现任意角度，而且经常密集地排列在海面上。如图1所示，这些显著差异给卫星图像舰船检测带来了巨大的挑战，经常导致大量虚警、漏警的出现。一些传统的方法首先利用纹理、形状和颜色等特征进行海陆分割，再利用手工设计的特征对分离出的海域进行舰船检测。这些传统方法在近海岸区域性能较差，且难以抑制虚警的出现。近年来，基于深度学习的目标检测方法在自然图像上取得了优越的性能。当前的基于深度学习的目标检测方法大致可本文档来自技高网...

【技术保护点】
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，...

【技术特征摘要】
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。2.根据权利要求1所述的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，步骤2中的颜色变换具体为：计算大规模图像数据集中所有图像RGB三通道的协方差矩阵，得到协方差矩阵的特征值λ1、λ2、λ3和协方差矩阵的特征向量p1、p2、p3；对于训练数据集里的每张样本图像，将每个像素都加上ε1λ1p1+...

【专利技术属性】
技术研发人员：于君娜，王士成，徐小刚，陈金勇，梁硕，帅通，单子力，文义红，王港，楚博策，
申请(专利权)人：中国电子科技集团公司第五十四研究所，
类型：发明
国别省市：河北,13