【技术实现步骤摘要】
一种基于星载红外遥感影像的弱小目标检测方法
本专利技术涉及遥感影像目标检测
,更具体的说是涉及一种基于星载红外遥感影像的弱小目标检测方法。
技术介绍
目前,随着各国对海洋资源的日益重视,对海面重要目标的监测与跟踪成为近年的研究热点。不同于SAR(SyntheticApertureRadar,合成孔径雷达)与可见光遥感,红外遥感可全天时工作,不受光照影响,且作用距离远、不易被敌方发现。基于此,基于红外遥感影像实现弱小目标检测在军事和民用海洋目标侦察领域有着重要作用。传统的红外遥感影像目标检测算法一般使用滑动窗口分块探测,主要包括以下三个步骤:首先,利用不同尺寸的滑动窗口选取图像一部分作为候选区域;其次,提取候选区域相关的视觉特征,比如目标检测常用的HOG特征等;最后,利用分类器进行识别,比如常用的SVM模型。但是,上述方法在检测过程中需要产生候选框,目标定位速度慢,导致目标检测效率低,难以满足实际需求。因此,如何提供一种目标检测效率高、精确可靠的基于星载红外遥感影像的弱小目标检测方法是本领域技术人员亟需解决的问题。
技术实现思路
有鉴于此,本专利技术提供了一种基于星载红外遥感影像的弱小目标检测方法,解决了现有的红外遥感影像目标检测算法存在的目标定位速度慢、检测效率低等问题。为了实现上述目的,本专利技术采用如下技术方案:一种基于星载红外遥感影像的弱小目标检测方法,该方法包括:获取样本数据:获取宽幅红外遥感影像,并对目标区域进 ...
【技术保护点】
1.一种基于星载红外遥感影像的弱小目标检测方法,其特征在于,包括:/n获取样本数据:获取宽幅红外遥感影像,并对目标区域进行弱小目标标注,分别对所述宽幅红外遥感影像和标注后得到的标签进行切割,得到一一对应的红外图像切块和标签切块;/n构建数据集:基于所述红外图像切块和所述标签切块,构建粗检红外遥感数据集和精检红外遥感数据集;/n扩增数据集:分别对所述粗检红外遥感数据集和所述精检红外遥感数据集进行数据扩增,得到粗检红外扩增数据集和精检红外扩增数据集;/n粗检目标:构建浅层粗检神经网络,并通过所述粗检红外扩增数据集对所述浅层粗检神经网络进行训练,将待检测图像输入训练好的浅层粗检神经网络,得到包含待检测弱小目标的红外图像切块;/n精检目标:构建深层精检神经网络,并通过所述精检红外扩增数据集对所述深层精检神经网络进行训练,将所述包含待检测弱小目标的红外图像切块输入训练好的深层精检神经网络,得到待检测弱小目标的位置与类别信息。/n
【技术特征摘要】
1.一种基于星载红外遥感影像的弱小目标检测方法,其特征在于,包括:
获取样本数据:获取宽幅红外遥感影像,并对目标区域进行弱小目标标注,分别对所述宽幅红外遥感影像和标注后得到的标签进行切割,得到一一对应的红外图像切块和标签切块;
构建数据集:基于所述红外图像切块和所述标签切块,构建粗检红外遥感数据集和精检红外遥感数据集;
扩增数据集:分别对所述粗检红外遥感数据集和所述精检红外遥感数据集进行数据扩增,得到粗检红外扩增数据集和精检红外扩增数据集;
粗检目标:构建浅层粗检神经网络,并通过所述粗检红外扩增数据集对所述浅层粗检神经网络进行训练,将待检测图像输入训练好的浅层粗检神经网络,得到包含待检测弱小目标的红外图像切块;
精检目标:构建深层精检神经网络,并通过所述精检红外扩增数据集对所述深层精检神经网络进行训练,将所述包含待检测弱小目标的红外图像切块输入训练好的深层精检神经网络,得到待检测弱小目标的位置与类别信息。
2.根据权利要求1所述的一种基于星载红外遥感影像的弱小目标检测方法,其特征在于,所述获取样本数据的过程,具体包括:
获取宽幅红外遥感影像,并对所述宽幅红外遥感影像进行图像拉伸;
通过标注工具对拉伸后的宽幅红外遥感影像进行弱小目标矩形框标注,得到对应的标签;
通过滑动窗口对拉伸后的宽幅红外遥感影像和标签进行有重合区域的切割裁剪,得到红外图像切块和标签切块。
3.根据权利要求2所述的一种基于星载红外遥感影像的弱小目标检测方法,其特征在于,所述有重合区域的切割剪裁,具体包括:
通过预设尺寸的滑动窗口,在所述宽幅红外遥感影像中上、下、左、右四个方向重合预设长度并进行切割,得到红外图像切块;
将标签中弱小目标的位置坐标减去滑动窗口左上点坐标,切割得到标签切块。
4.根据权利要求1所述的一种基于星载红外遥感影像的弱小目标检测方法,其特征在于,所述构建数据集的过程,具体包括:
判断各个所述标签切块中是否包含待检测弱小目标;
将包含待检测弱小目标的标签切块对应的红外图像切块作为正样本,将不包含待检测弱小目标的标签切块对应的红外图像切块作为负样本,构建粗检红外遥感数据集;
挑选出正样本以及正样本对应的标签切块,构建精检红外遥感数据集。
5.根据权利要求4所述的一种基于星载红外遥感影像的弱小目标检测方法,其特征在于,所述粗检目标的过程,具体包括:
构建浅层粗检神经网络,并将粗检红外扩增数据集中的数据输入所述浅层粗检神经网络,进行正负样本分类预测,得到粗检预测结果;
计算所述粗检预测结果与所述标签中弱小目标的真实信息之间的误差值,并根据所述误差值更新所述浅层粗检神经网络中的权重参数;
直至所述误差值不再减少时,保存并加载对应的所述浅层粗检神经网络中的权重参数;...
【专利技术属性】
技术研发人员:韩传钊,张曼,时春雨,丁荣莉,朱子亨,
申请(专利权)人:北京市遥感信息研究所,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。