船只检索方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了一种船只检索方法、装置、计算机设备及存储介质，其中该方法包括：获取待检索图像，并确定所述待检索图像中是否存在船只；在确定所述待检索图像中存在船只时，从所述待检索图像裁剪出目标尺寸的船只图像；对目标尺寸的船只图像进行特征提取，得到目标船只特征图；从预设的船只特征库中检索出与目标船只特征图匹配的目标船只图片。上述船只检索方法降低了船只检索难度。

【技术实现步骤摘要】
船只检索方法、装置、计算机设备及存储介质
本专利技术涉及图像处理领域，尤其涉及一种船只检索方法、装置、计算机设备及存储介质。
技术介绍
船只的运动情况作为临海区域感知信息的重要目标，是遥感图像领域进行船只检测的重要内容。由于临海区域的卫星影像中含有多种不同的场景，包括建筑区域、植被区域、山地、河流等，而船只在其中占有很小的比率。船只作为小型地物，具有特征信息相对较少，对船只进行检索存在一定的难度。
技术实现思路
本专利技术实施例提供一种船只检索方法、装置、计算机设备及存储介质，以降低船只检索难度。本专利技术提出了一种船只检索方法，包括：获取待检索图像，并确定待检索图像中是否存在船只；在确定待检索图像中存在船只时，从待检索图像裁剪出目标尺寸的船只图像；对目标尺寸的船只图像进行特征提取，得到目标船只特征图；从预设的船只特征库中检索出与目标船只特征图匹配的目标船只图片。优选地，从预设的船只特征库中检索出与目标船只特征图匹配的船只图片，包括：从船只特征库中提取出多张预设船只特征图；计算目标船只特征图与每一预设船只特征图之间的欧式距离：其中，L为欧氏距离，x和y分别表示目标特征图与预设船只特征图，i表示第i为特征向量，n表示图像的特征向量维度；将欧氏距离最小预设船只特征图所对应的船只图片作为目标船只图片。优选地，目标船只特征图和预设船只特征图均包含GLCM特征，或者目标船只特征图和预设船只特征图均包含SIFT特征。>优选地，预设船只特征库通过以下步骤生成：获取预设船只图片集，预设船只图片集包含多张船只图片；对每一船只图片进行干扰去除；对去除干扰后的每一船只图片采用预设的特征提取模型进行特征提取，并存储在数据库中，得到预设船只特征库。优选地，特征提取模型包括5组共13层卷积层和3层全连接层，其中，前2组卷积层中，每组包含2个卷积层，后3组卷积层每组包含3个卷积层，且每组卷积层之后都添加了一个最大池化层，每一卷积层的卷积核的尺寸为3×3。优选地，在计算出每一欧氏距离之后，船只检索方法还包括：对所有欧氏距离进行排序。本专利技术实施例还提出了一种船只检索装置，其特征在于，包括：获取单元，用于获取待检索图像，并确定待检索图像中是否存在船只；裁剪单元，用于在确定待检索图像中存在船只时，从待检索图像裁剪出目标尺寸的船只图像；特征提取单元，用于对目标尺寸的船只图像进行特征提取，得到目标船只特征图；检索单元，用于从预设的船只特征库中检索出与目标船只特征图匹配的目标船只图片。优选地，所述检索单元包括：提取子单元，用于从船只特征库中提取出多张预设船只特征图；计算子单元，用于计算目标船只特征图与每一预设船只特征图之间的欧式距离：其中，L为欧氏距离，x和y分别表示目标特征图与预设船只特征图，i表示第i为特征向量，n表示图像的特征向量维度；结果确定子单元，用于将欧氏距离最小预设船只特征图所对应的船只图片作为目标船只图片。本专利技术实施例还提出了一种计算机设备，包括存储器和处理器，其特征在于，存储器中存储有船只检索程序，处理器用于执行船只检索程序时实现上述船只检索方法的步骤。本专利技术实施例还提出了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述船只检索方法的步骤。上述船只检索方法、装置、计算机设备及存储介质，在获取到待检索图像之后，通过对待检索图像进行船只识别，并在确定待检索图像中存在船只时，对待检索图像进行裁剪，以最大限度地去除背景，之后再对裁剪后的船只图像进行特征提取，并利用提取出的特征图与船只特征库中的目标船只特征图进行匹配，实现了根据已有的待检索图片检索出与其匹配的船只图像的效果。另外，由于对待检索图像进行了裁剪，避免了背景干扰对船只检索的准确率产生影响，最大程度减少背景特征，保留更多的船只特征，降低了检索难度。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对本专利技术实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术一实施例中船只检索方法的流程图；图2是本专利技术另一实施例中船只检索方法的流程图；图3是本专利技术一实施例中船只检索装置的原理框图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例提供的船只检索方法，该方法可以用于从海量的船只图片中检索出与待检索船只图像相匹配的目标船只图像。具体地，如图1所示，该方法包括以下步骤：S10：获取待检索图像，并确定待检索图像中是否存在船只。其中，这里的待检索船只图像可以是通过特定摄像装置拍摄的船只在海域上运动的图像，该待检索船只图像可以是遥感图像，这里对待检索船只图像不做具体限定。上述确定待检索图像中是否存在船只发过程也可以视为船只的定位过程，具体地，可以采用SelectiveSearch算法进行船只定位。S20：在确定待检索图像中存在船只时，从待检索图像裁剪出目标尺寸的船只图像。由于待检索图像中通常船只只占图像一小部分，不同船只影像存在大量背景冗余，同时，由于海面背景的相似性对于后续船只检索精度有着较大影响，因此将待检索船只图像进行裁剪，以裁剪掉冗余部分图像，尽可能地保留船只部分图像。S30：对目标尺寸的船只图像进行特征提取，得到目标船只特征图。示例性地，该步骤可以是将目标尺寸的船只图像输入预先训练完成的卷积神经网络中，在卷积神经网络向前传播的过程中，提取船只的卷积层特征和全连接层特征，紧接着将该卷积成特征和全连接层特征进行组合，得到目标船只特征图。该步骤中所说的目标船只特征图也可以是包含GLCM(GrayLevelCo-occuranceMatrix，灰度共生矩阵)特征的特征图，还可以是包含SIFT特征的特征图。其中，灰度共生矩阵(GrayLevelCo-occuranceMatrix，GLCM)反映了图像纹理中灰度级的空间依赖关系，是一种应用广泛的纹理特征分析方法。假定I(x,y)表示一幅灰度图像，P为图像的任一区域，Q为区域中满足特定空间联系的像素对集合，则相应的归一化的灰度共生矩阵可表示为：其中，x2＝x1+dcosθ,y2＝y1+dsinθ，card(Q)表示满足集合Q条件的像素对个数，d和θ表示像素间距和方向。实际使用时，为了减少计算量，通常需要对图像进行量化以降低灰度级数目，同时θ一般取0、45°、9本文档来自技高网...

【技术保护点】
1.一种船只检索方法，其特征在于，包括：/n获取待检索图像，并确定所述待检索图像中是否存在船只；/n在确定所述待检索图像中存在船只时，从所述待检索图像裁剪出目标尺寸的船只图像；/n对所述目标尺寸的船只图像进行特征提取，得到目标船只特征图；/n从预设的船只特征库中检索出与所述目标船只特征图匹配的目标船只图片。/n

【技术特征摘要】
1.一种船只检索方法，其特征在于，包括：
获取待检索图像，并确定所述待检索图像中是否存在船只；
在确定所述待检索图像中存在船只时，从所述待检索图像裁剪出目标尺寸的船只图像；
对所述目标尺寸的船只图像进行特征提取，得到目标船只特征图；
从预设的船只特征库中检索出与所述目标船只特征图匹配的目标船只图片。


2.如权利要求1的船只检索方法，其特征在于，所述从预设的船只特征库中检索出与所述目标船只特征图匹配的船只图片，包括：
从所述船只特征库中提取出多张预设船只特征图；
计算所述目标船只特征图与每一所述预设船只特征图之间的欧式距离：



其中，L为所述欧氏距离，x和y分别表示所述目标特征图与所述预设船只特征图，i表示第i为特征向量，n表示图像的特征向量维度；
将所述欧氏距离最小预设船只特征图所对应的船只图片作为所述目标船只图片。


3.如权利要求2的船只检索方法，其特征在于，所述目标船只特征图和所述预设船只特征图均包含GLCM特征，或者所述目标船只特征图和所述预设船只特征图均包含SIFT特征。


4.如权利要求1的船只检索方法，其特征在于，所述预设船只特征库通过以下步骤生成：
获取预设船只图片集，所述预设船只图片集包含多张船只图片；
对每一所述船只图片进行干扰去除；
对去除干扰后的每一所述船只图片采用预设的特征提取模型进行特征提取，并存储在数据库中，得到所述预设船只特征库。


5.如权利要求4的船只检索方法，其特征在于，所述特征提取模型包括5组共13层卷积层和3层全连接层，其中，前2组卷积层中，每组包含2个卷积层，后3组卷积层每组...

【专利技术属性】
技术研发人员：邓练兵，李皓，高妍，
申请(专利权)人：珠海大横琴科技发展有限公司，
类型：发明
国别省市：广东;44