多角度旋转遥感图像小目标检测方法技术

本申请提供了一种多角度旋转遥感图像小目标检测方法，对网络结构、损失函数分别做出了改进。采用特征金字塔网络结构并在该结构上融入了全局注意力结构作为特征提取网络。GA_FPN网络生成不同尺度的特征经过上采样把多尺度的特征统一到单一尺度再通过Merge Network对特征进一步的融合提取，使特征更具语义关联并且能够表示出小目标，然后再利用注意力机制来提高网络对特征的表达能力。之后通过RPN目标检测模块给出目标的分类得分和边框位置并采用旋转非极大值抑制(RNMS)获得任意旋转下的最终检测结果。引入多任务损失函数进行端到端的训练，使得该模型在复杂环境的遥感旋转小目标检测中具有较好的检测结果。

【技术实现步骤摘要】
多角度旋转遥感图像小目标检测方法
本申请属于卫星遥感图像检测
，具体地讲，涉及一种多角度旋转遥感图像小目标检测方法。
技术介绍
卫星遥感技术是应用各种传感仪器对远距离目标所辐射和发射的电磁波信息进行收集、处理并最后形成图像，是当代高新技术的一个重要组成部分，近十年来全球空间对地观测技术的发展和应用表明，卫星遥感技术是一项衡量一个国家科技发展水平的重要尺度。遥感卫星产生的遥感数据具有重要的研究及应用价值。遥感图像目标检测与识别是卫星遥感图像处理领域中最基础的任务之一。由于遥感图像具有视野范围较大、背景复杂度高、视角特殊、目标旋转、小目标等特点，在提供更多感兴趣区域的同时带来了更复杂的背景信息，给目标检测带来了巨大挑战。传统的遥感图像目标检测方法通常是基于图像处理的方法，即先进行阈值分割、纹理/几何特征提取，然后使用模板匹配、背景建模以及基于浅层学习等方法对目标进行判断。如尺度不变特征变换(SIFT)、梯度方向直方图(HOG),以及可变形部件模型(DPM)等,都是根据人工经验设计特征的,虽然在特定的应用场景下能取得较好的检测效果,但该本文档来自技高网...

【技术保护点】
1.一种多角度旋转遥感图像小目标检测方法，其特征在于，包括：/n选取ResNet101网络作为基础网络构建多尺度特征提取网络；/n通过所述多尺度特征提取遥感图像数据生成不同尺度的特征后统一成单一尺度特征；/n通过合并网络对所述单一尺度特征进行融合提取获得目标；/n通过RPN目标检测模块确定所述目标的分类和目标的边框位置；/n采用旋转非极大值抑制获得遥感图像数据任意旋转角度下的最终检测结果。/n

【技术特征摘要】
1.一种多角度旋转遥感图像小目标检测方法，其特征在于，包括：
选取ResNet101网络作为基础网络构建多尺度特征提取网络；
通过所述多尺度特征提取遥感图像数据生成不同尺度的特征后统一成单一尺度特征；
通过合并网络对所述单一尺度特征进行融合提取获得目标；
通过RPN目标检测模块确定所述目标的分类和目标的边框位置；
采用旋转非极大值抑制获得遥感图像数据任意旋转角度下的最终检测结果。


2.根据权利要求1所述的多角度旋转遥感图像小目标检测方法，其特征在于，所述多尺度特征提取网络在特征金字塔结构上融入全局注意力结构，并使用高层语义特征指导自身以所述ResNet101网络作为基础网络。


3.根据权利要求1所述的多角度旋转遥感图像小目标检测方法，其特征在于，所述多尺度特征提取网络在上采样阶段通过全局池化高层语义特征将全局上下文信息作为横向链接，以从下而上的路径的低层特征指导确定类别的定位细节。


4.根据权利要求1所述的多角度旋转遥感图像小目标检测方法，其特征在于，通过所述多尺度特征提取遥感图像数据生成不同尺度的特征后统一成单一尺度特征，包括：
通过所述多尺度特征提取遥感图像数据生成不同尺度的多尺度特征；
将所述多尺度特征经过上采样操作统一成单一尺度特征。


5.根据权利要求1所述的多角度旋转遥感图像小目标检测方法，其特征在于，通过合并网络对所述单一尺度特征进行融合提取获得目标，包括：
利用所述合并网络将所述单一尺度特征对应的像素点位置叠加产生新的特征；
将来自不同层的新的特征合并融合从而获得目标。


6.根据权利要求5所述的多角度旋转遥感图像小目标检测方法，其特征在于，将来自不同层的新的特征合并融合，具体包括：
将来自不同层的新的特征与经过上采样统一到相同尺寸的特征图...

【专利技术属性】
技术研发人员：曹连雨，
申请(专利权)人：中科弘云科技北京有限公司，
类型：发明
国别省市：北京;11