【技术实现步骤摘要】
一种检测与标注遥感图像小目标一体化的智能方法
本专利技术涉及一种检测与标注遥感图像小目标一体化的智能方法，属于高分辨率遥感图像的小目标检测和标注
技术介绍
现代遥感技术获取的遥感影像速度快，图像质量高，因此已经广泛应用于战场环境仿真、洪涛灾害预测、军事目标侦察、城市土地规划、森林火险监测等领域。遥感图像的标注已经成为遥感图像解译分析的一个重要研究方向，受到各方面的关注和研究。随着遥感图像空间分辨率的不断增高，以及对地遥感图像平台的增多，图像的数量成倍增多，图像中所包含的信息也越来越丰富。如何准确，快速的识别出目标并标注出目标的位置已经成为遥感图像解译分析工作的重点和难点。近年来，深度学习方法在大数据驱动下异军突起，其中以卷积神经网络为代表的方法在图像领域取得了革命性的进展。很多学者也将卷积神经网络应用于遥感图像领域的识别和目标检测等方向。但是基于卷积神经网络的识别和目标检测等方向都需要大量的具有人工标注的图像来训练，即目标是什么，目标的位置信息。而在遥感图像中，由于感兴趣目标较小，人工标注代价过高，因此对于卷积神经网络会陷入过拟合的情况。另外，即使有人工...
【技术保护点】
1.一种检测与标注遥感图像小目标一体化的智能方法，其特征在于:包括以下步骤：步骤1：对已经标注的遥感图像集，进行自适应图像增强；首先存在一个已经标注好目标的遥感图像集，将该标注好目标的遥感图像集用本专利技术所述自适应图像增强的方法进行数据增强，样本扩充；本专利技术所提出的自适应图像增强方法，具体如下：a)首先计算该已标注遥感图像数据集的类别，和每个类别的数量，设某个遥感图像数据集有{1,2,3,...,n,...,m}类，对应的每一类所标注的数目为{c1,c2,c3,...,cn,...,cm}，经计算得到第n类所包含的标注目标最多为cn，将最大类别的数目和每个类别的数目相比，得到下面序列
【技术特征摘要】
1.一种检测与标注遥感图像小目标一体化的智能方法，其特征在于:包括以下步骤：步骤1：对已经标注的遥感图像集，进行自适应图像增强；首先存在一个已经标注好目标的遥感图像集，将该标注好目标的遥感图像集用本发明所述自适应图像增强的方法进行数据增强，样本扩充；本发明所提出的自适应图像增强方法，具体如下：a)首先计算该已标注遥感图像数据集的类别，和每个类别的数量，设某个遥感图像数据集有{1,2,3,...,n,...,m}类，对应的每一类所标注的数目为{c1,c2,c3,...,cn,...,cm}，经计算得到第n类所包含的标注目标最多为cn，将最大类别的数目和每个类别的数目相比，得到下面序列b)创建一个旋转字典dict＝[180°,150°,120°,90°,60°,30°]，所对应字典的内部编号从1开始到6：当任意一个ratio序列中ratioi∈(0,2]或ratioi∈(0,1]或ratioi∈(1,2]，对这一类别的图像进行180度旋转，即取dict[1]；当比值ratioi∈(2,3]，对这一类别的图像分别进行dict[1]和dict[2]；当ratioi∈(3,4]，对这一类别的图像分别进行dict[1]，dict[2]，dict[3]旋转；当ratioi∈(4,5]，对这一类别的图像分别进行dict[1]，dict[2]，dict[3]，dict[4]旋转；当ratioi∈(5,6]，对这一类别的图像分别取dict字典中的前5个角度旋转；当ratioi>6，对这一类别的图像分别按照dict字典中的角度全部旋转；c)同时由于旋转以后，图像标注框的长w和宽h相比原图像是有角度的变化，使用如下公式，计算旋转后图像标注框的长和宽:W*＝h*sin(θ)+w*cos(θ)，H*＝h*cos(θ)+w*sin(θ)，其中W*和H*分别表示旋转后的长和宽，w和h分别表示原图的长和宽，θ表示旋转的角度；步骤2：将经过自适应图像增强后的图像集输入到基于快速卷积神经网络的目标检测框架，进行目标检测；步骤3：将待训练的遥感图像集进行步骤1所述的图像自适应增强后输入到步骤2所述的卷积神经网络中进行训练迭代，得到小目标检测和标注的模型；步骤4：得到小目标检测和标注的模型后通过迁移学习的方法将其迁移到待标注遥感图像集中。2.根据权利要求1所述的检测与标注遥感图像小目标一体化的智能方法，...
【专利技术属性】
技术研发人员：董如婵，沈维燕，柳亚男，邱硕，
申请(专利权)人：金陵科技学院，
类型：发明
国别省市：江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。