基于位置感知的高分辨遥感图像倾斜船舶目标检测方法技术

本发明专利技术涉及一种基于位置感知的高分辨遥感图像倾斜船舶目标检测方法，利用UNet‑like多尺度卷积网络提取多尺度深度特征图；利用提取出来的深度特征图通过基于锚点的旋转框回归模型直接预测每个锚点存在船舶的可能性得分和锚点所在预测框的位置；利用位置感知得分校正模型对锚点得分进行校正。本方法利用UNet‑like卷积神经网络提取兼备深度语义特征和浅层细节特征，在保证分类精度的同时提升模型定位精度，提升了小尺寸船舶的检测性能。同时利用位置感知得分校正模型进一步修正候选框得分，提高候选框定位精度。

【技术实现步骤摘要】
基于位置感知的高分辨遥感图像倾斜船舶目标检测方法
本专利技术涉及一种遥感图像的船舶目标检测方法，特别是从高分辨遥感图像中检测倾斜密集排列船舶目标的方法。
技术介绍
在过去的几十年中，船舶检测一直是遥感领域的热门话题，其对促进国防建设，港口管理和货物运输等方面的发展有重要作用。传统船舶检测算法通过提取并识别船舶的形状和纹理特征来实现船舶检测，此类方法简单易行、可解释性强，但其提取特征多为浅层信息，且设计一种适用于所有船舶的手工特征较为困难。目前卷积神经网络已在目标检测领域取得了重大进展。但遥感图像中的船舶存在尺寸变化大和图像占比小的特点导致基于深度学习的船舶检测算法生成大量冗余的候选区域，大幅提升了时间复杂度和假样率；同时，船舶长宽比大，常密集排列的特点增加了特征提取和密集船舶定位的难度。《RotatedregionbasedCNNforshipdetection》(ICIP.IEEE,2017:900-904.)提出了一种基于旋转区域的CNN用于船舶检测，它使用旋转感兴趣区域(RRoI)池化层提取旋转区域特征并直接回归旋转角度。《Aut本文档来自技高网...

【技术保护点】
1.一种基于位置感知的高分辨遥感图像倾斜船舶目标检测方法，其特征在于步骤如下：/n步骤1：图像预处理：将遥感图像处理成统一地物分辨率和尺寸的图像块，并进行归一化；/n步骤2：将预处理后的图像块输入训练好的UNet-like多尺度卷积网络进行特征提取，得到不同尺寸的特征图；所述的UNet-like多尺度卷积网络由主干网络和特征融合网络构成，主干网络选用ResNet101，用于提取4种不同深度水平的特征图{C2,C3,C4,C5}；特征融合网络利用双线性插值将深层特征图C5放大为原来的2倍，使其与浅层特征图C4融合，再通过一个3x3卷积层和一个1x1卷积层得到融合后的特征图C4’，将C4’放大为原...

【技术特征摘要】
1.一种基于位置感知的高分辨遥感图像倾斜船舶目标检测方法，其特征在于步骤如下：
步骤1：图像预处理：将遥感图像处理成统一地物分辨率和尺寸的图像块，并进行归一化；
步骤2：将预处理后的图像块输入训练好的UNet-like多尺度卷积网络进行特征提取，得到不同尺寸的特征图；所述的UNet-like多尺度卷积网络由主干网络和特征融合网络构成，主干网络选用ResNet101，用于提取4种不同深度水平的特征图{C2,C3,C4,C5}；特征融合网络利用双线性插值将深层特征图C5放大为原来的2倍，使其与浅层特征图C4融合，再通过一个3x3卷积层和一个1x1卷积层得到融合后的特征图C4’，将C4’放大为原来的2倍与C3融合，得到特征图C3’，将C3’放大为原来的2倍与C2融合，得到特征图C2’；最后将特征图{C2’,C3’,C4’}分别传入一个3x3卷积层和一个1x1卷积层，得到融合后的特征图{P2,P3,P4}，其具有相同的通道数但不同的特征图尺寸，尺寸最大的P2用于检测小目标船舶，尺寸最小的P4用于检测大目标船舶；
步骤3：基于anchor的倾斜边框回归模型
基于锚点的倾斜边框回归模型从步骤2得到的三个不同尺寸的特征图中直接进行预测，回归模型可分为分类子网络和位置回归子网络两部分，分类子网络预测每个锚点的概率得分，位置回归子网络预测锚点到预测框四边的距离和倾斜角度，其步骤如下：
(1)从数据集内采集船舶尺寸信息，将其按照面积划分为3组，每组利用K-mean算法得到5个聚类作为anchor先验参数；
(2)分类子网络按顺序由三个3x3卷积层，一个1x1卷积层和一个sigmoid函数构成，分类子网络输出得分图与输入特征图尺寸相同，通道数为5，代表5个anchor存在船舶目标的概率的得分，从得分图内筛选出高于阈值的点作为预测点；
(3)回归子网络结构与分类子网络一致，输出特征图的通道数为25，代表5个anchor的距离和角度预测量(t1,t2,t3,t4,tθ)，预测框的距离和角度由预测量和anchor先验参数计算，其公式如下：



θ＝(sigmoid(tθ×2-1)×π/4
其中hk和wk是第k个anchor的长宽先验参数；
(4)将提取出来的特征图{P1,P2,P2}分别输入训练好的基于锚点的倾斜边框回归模型，得到分类得分图，距离预测图和角度预测图，筛选出得分图中大于0.5的锚点位置(x,y)，并提取该锚点位置的距离预测值(t1,t2,t3,t4)和角度预测值tθ，根据步骤(3)中公式计算出预测距离(d1,d2,d3,d4)和倾斜角度θ；
(5)预测框位置由锚点坐标(x,y)和预测的距离(d1,d2,d3,d4)及倾斜角度θ唯一确定，{D1,D2,D3,D4}为预测框的点，D1点为x,y坐标和最小的点，D2,D3,D4顺时针依次排列，d1,d2,d3,d4为锚点到四条边的距离，θ为预测框的倾斜角；
步骤4：位置感知得分校准
位置感知得分...

【专利技术属性】
技术研发人员：李映，刘凌毅，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西;61