基于旋转候选框的任意方向遥感影像舰船检测方法及系统技术方案

本发明专利技术提供了一种基于旋转候选框的任意方向遥感影像舰船检测方法及系统，其方法包括：首先，获取遥感图像训练数据集，对获取的训练数据集中的各遥感图像分别进行预处理，得到预处理后的训练数据集；然后，搭建第一Faster‑RCNN网络，将预处理后的训练数据集中的各遥感图像作为第一Faster‑RCNN网络的训练数据，并采用反向传播算法对第一Faster‑RCNN网络进行训练，得到训练好的第一Faster‑RCNN网络；最后，采用训练好的第一Faster‑RCNN网络对实际遥感图像中的舰船进行检测。本发明专利技术的有益效果是：本发明专利技术所提出的技术方案避免了人为手工设计特征；提出了一种基于任意方向检测框的网络；同时对于密集的物体，检测效果优于传统的水平框检测网络。

Ship detection method and system based on rotation candidate frame in any direction remote sensing image

【技术实现步骤摘要】
基于旋转候选框的任意方向遥感影像舰船检测方法及系统
本专利技术涉及遥感图像处理与信息提取
，尤其涉及一种基于旋转候选框的任意方向遥感影像舰船检测方法及系统。
技术介绍
以人为手工提取为主的遥感图像地物目标检测方法，不仅消耗大量人力，同时消耗大量的时间，工作效率较低。此外交互式地物目标检测方法受到人为因素的影响较大，精度一般不高。近年来随着深度学习技术的不断发展，在许多领域取得了瞩目的成就。其中深度学习技术在自然场景的图片中进行目标检测，取得了传统方法难以企及的成就。传统的舰船检测方法，采用经典水平框检测网络，且需要人为手工设计特征，识别精度不高，且效率低下，因此，需要利用深度学习的方法，对遥感图像中的舰船目标进行目标检测，从而实现遥感地物检测任务的自动化和智能化处理，实现全自动化遥感图像地物目标检测。
技术实现思路
为了解决上述问题，本专利技术提供了一种基于旋转候选框的任意方向遥感影像舰船检测方法及系统；一种基于旋转候选框的任意方向遥感影像舰船检测方法，主要包括以下步骤：S101：获取遥感图像训本文档来自技高网...

【技术保护点】
1.一种基于旋转候选框的任意方向遥感影像舰船检测方法，其特征在于：包括以下步骤：/nS101：获取遥感图像训练数据集；/nS102：对获取的所述训练数据集中的各遥感图像分别进行预处理，得到预处理后的训练数据集；/nS103：搭建第一Faster-RCNN网络；/nS104：将所述预处理后的训练数据集中的各遥感图像作为所述第一Faster-RCNN网络的训练数据，并采用反向传播算法对所述第一Faster-RCNN网络进行训练，得到训练好的第一Faster-RCNN网络；/nS105：采用所述训练好的第一Faster-RCNN网络对实际遥感图像中的舰船进行检测。/n

【技术特征摘要】
1.一种基于旋转候选框的任意方向遥感影像舰船检测方法，其特征在于：包括以下步骤：
S101：获取遥感图像训练数据集；
S102：对获取的所述训练数据集中的各遥感图像分别进行预处理，得到预处理后的训练数据集；
S103：搭建第一Faster-RCNN网络；
S104：将所述预处理后的训练数据集中的各遥感图像作为所述第一Faster-RCNN网络的训练数据，并采用反向传播算法对所述第一Faster-RCNN网络进行训练，得到训练好的第一Faster-RCNN网络；
S105：采用所述训练好的第一Faster-RCNN网络对实际遥感图像中的舰船进行检测。


2.如权利要求1所述的一种基于旋转候选框的任意方向遥感影像舰船检测方法，其特征在于：步骤S101中，获取遥感图像训练数据集，具体包括：
S201：获取谷歌地球的HRSC2016公开数据集；
S202：在获取的HRSC2016公开数据集中，选取预设条件的n张遥感图像；所述预设条件包括：分辨率范围为[0.4,2]米，图像大小范围为[300×300,1500×900]；n为根据实际需要预先设置的预设值，且大于0；
S203：将所述的n张遥感图像组成所述遥感图像训练数据集。


3.如权利要求1所述的一种基于旋转候选框的任意方向遥感影像舰船检测方法，其特征在于：步骤S102中，对获取的所述训练数据集中的各遥感图像分别进行预处理，具体步骤包括：
S301：对所述训练数据集中的各遥感图像，以短边缩放到600个像素为依据，对该遥感图像进行缩放处理，得到缩放处理后的训练数据集；对于某张遥感图像，具体缩放比例ratio的计算公式如公式(1)所示：



上式中，h和w分别为遥感图像的宽和高，按照得到的缩放比例ratio对整张遥感图像进行缩放处理即可；
S302：计算所述的缩放处理后的训练数据集中的遥感图像的像素值的均值mean和标准差std；
S303：根据所述均值mean和标准差std对所述缩放处理后的训练数据集中的各图像中的像素值value进行如公式(2)所示的归一化处理，得到归一化处理后的训练数据集，即预处理后的训练数据集：





4.如权利要求1所述的一种基于旋转候选框的任意方向遥感影像舰船检测方法，其特征在于：步骤S103中，使用Mxnet深度学习框架搭建所述第一Faster-RCNN网络；所述第一Faster-RCNN网络为基于传统Faster-RCNN网络改进后的Faster-RCNN网络；主要是对传统Faster-RCNN网络中的RPN网络进行改进：所述第一Faster-RCNN网络的RPN网络主要用来预测舰船的中心，同时增加角度的回归，在预测的推荐的中心点的位置产生推荐框，因此可以筛选掉大部分不包含舰船中心的点，减少回归的框的个数，在保证预测效果的基础上，保证了网络的运行效率。


5.如权利要求1所述的一种基于旋转候选框的任意方向遥感影像舰船检测方法，其特征在于：步骤S104中，将所述预处理后的训练数据集中的各遥感图像作为所述第一Faster-RCNN网络的训练数据，并采用反向传播算法对所述第一Faster-RCNN网络进行训练时，所述第一Faster-RCNN及基础特征网络采用Resnet152，初始学习率设置为0.001，在训练过程中采用学习率逐渐衰减操作，预设训练次数设置为100轮；当达到训练次数或者网络模型收敛时，结束训练，得到训练好的第一Faster-RCNN网络。


6.一种基于旋转候选框的任意方向遥感影像舰船检测...

【专利技术属性】
技术研发人员：张晓东，张力飞，陈关州，朱坤，谭效良，廖溥昀，王铜，
申请(专利权)人：湖北富瑞尔科技有限公司，
类型：发明
国别省市：湖北;42