一种基于高光谱图像的海上舰船目标检测方法技术

本发明专利技术公开了一种基于高光谱图像的海上舰船目标检测方法，本发明专利技术采用孪生网络策略，对增强后的目标数据以及原始背景数据进行预处理，形成对目标检测数据具有泛化性的训练数据像素对代替原始单个像素作为训练网络的输入，构造像素对代替单个像元输入，使得检测算法具有较理想的检测效果和较高实用性。将深度学习的思想引入到高光谱目标检测是通过构建深度网络结构将低级特征组合合并变换得到更高层次的抽象特征，特别是其中的卷积神经网络，利用卷积操作的网络层次，更适合于光谱特征的提取，从而提升检测精度。

【技术实现步骤摘要】
一种基于高光谱图像的海上舰船目标检测方法
本专利技术涉及高光谱图像的海上舰船目标检测领域，采用深度学习的方法，生成样本进行数据增强，并充分提取高光谱像素对特征，适用于高光谱目标检测领域的小样本少类别目标检测。
技术介绍
随着遥感卫星技术的飞速发展，光学遥感影像的分辨率逐步提高，对遥感影像上的关键目标进行检测与识别具有重要研究价值和现实意义，舰船是海上最重要的运输载体，也是军事活动中的重点打击目标，对其进行检测与识别在民用和军事领域都有巨大的应用前景。遥感图像具有成像清晰直观、细节丰富，分辨率高等优点，在舰船检测方面有着很大的优势，基于遥感影像的舰船目标检测技术作为一种主动式的舰船动态监测新兴技术，使得大范围，远距离的监测成为可能，极大地丰富军事、海事部门的监测手段。高光谱遥感能够以连续光谱对同一目标同时成像，能够鉴别背景像元与伪装目标的光谱特征的不同，发现军事装备。高光谱目标检测根据光谱信息中异常点与背景统计特征的差异来进行检测，致力于在高光谱图像上寻找与先验目标光谱相似的像素点，使其作为目标从广阔的背景中分离出来。因此可以将高光谱图像本文档来自技高网...

【技术保护点】
1.一种基于高光谱图像的海上舰船目标检测方法，其特征在于：具体包括步骤：/nS1，结合U-net，改进自动编码器，利用输出与输入约束性质，使用解码器的输出层数据作为生成的目标样本数据；/nS2，数据预处理，制作训练数据对，从目标类和背景类中分别选择样本，来自同一类即相似类的标签为0，来自不同类即相异类的标签为1；/nS3，输入深度网络提取特征，采用孪生网络思想，共享两路网络的权值，约束两路输出，学习样本光谱间的相似性和差异性；/nS4，测试阶段使用投票策略，匹配未知样本，寻找与先验目标光谱相似的像素点。/n

【技术特征摘要】
1.一种基于高光谱图像的海上舰船目标检测方法，其特征在于：具体包括步骤：
S1，结合U-net，改进自动编码器，利用输出与输入约束性质，使用解码器的输出层数据作为生成的目标样本数据；
S2，数据预处理，制作训练数据对，从目标类和背景类中分别选择样本，来自同一类即相似类的标签为0，来自不同类即相异类的标签为1；
S3，输入深度网络提取特征，采用孪生网络思想，共享两路网络的权值，约束两路输出，学习样本光谱间的相似性和差异性；
S4，测试阶段使用投票策略，匹配未知样本，寻找与先验目标光谱相似的像素点。


2.根据权利要求1所述的一种基于高光谱图像的海上舰船目标检测方法，其特征在于：步骤S1具体包括：
S101，选择高光谱数据图中所有可获取像素点作为训练样本，利用输出近似输入的性质，约束UAE网络的训练，提升网络的生成样本能力；
S102，选择某几个先验样本作为已知样本，作为测试样本，生成新的目标样本；为保证与背景样本间的数据平衡性，目标样本的数量为背景样本数量的二倍，生成大约1000个目标样本。


3.根据权利要求1所述的一种基于高光谱图像的海上舰船目标检测方法，其特征在于：步骤S2具体包括：S201，对应1000个目标样本所属的目标类，随机选择500个背景样本点，...

【专利技术属性】
技术研发人员：李伟，张蒙蒙，陶然，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11