本发明专利技术提供一种遥感图像的目标检测方法、装置、存储介质及电子设备，该方法包括：对原始遥感图像进行图像裁剪，得到多个图像切片；根据检测框对各个图像切片中的目标进行目标标注，并根据所述检测框对应的外接框对得到的目标标注数据进行编码，得到检测数据集；将所述检测数据集输入到预先训练的无预设框检测网络进行目标检测，得到目标在图像切片上的边界目标坐标、目标类别信息以及当前检测结果的置信度；对各个图像切片的目标检测结果进行合并。本发明专利技术采用无预设框的目标检测算法，可以避免预设框对目标形态的限制，解决检测目标长宽比悬殊、密集分布造成的检测难度高问题，能够有效提高检测准确率。够有效提高检测准确率。够有效提高检测准确率。
【技术实现步骤摘要】
遥感图像的目标检测方法、装置、存储介质及电子设备
[0001]本专利技术涉及人工智能
，尤其涉及一种遥感图像的目标检测方法、装置、存储介质及电子设备。
技术介绍
[0002]随着遥感技术向高空间、高光谱、高时相分辨率，以及多卫星、多平台，多角度，全方位观测的趋势发展，遥感技术为地球资源环境的研究提供了海量数据。遥感数据获取手段的增强，使需要处理的遥感信息量急剧增加。在这种情况下，如何满足应用人员对于大区域遥感资料进行快速处理与分析的需求，成为遥感信息处理面临的一大难题。
[0003]近年来，人工智能技术快速发展，深度学习在寻常场景的图像解译领域实现了长足的进步。深度学习也逐渐被用于遥感图像解译，其通过数据样本训练，生成卷积神经网络模型，实现对目标的智能感知，显著提高了遥感信息处理效率。
[0004]但是，不同场景的图像具有不同特点，对图像解译而言，遥感图像具有无遮挡的优点，但分辨率过高，俯视视角下物体特征不明显，物体小而密集都带来了巨大的挑战。上述原因使得在寻常场景中表现优异的目标检测算法在遥感领域效果不够理想，难以为遥感分析提供强有力的智能分析处理依据。
技术实现思路
[0005]鉴于上述问题，本专利技术提出了一种遥感图像的目标检测方法、装置、存储介质及电子设备，能够避免预设框对目标形态的限制，解决检测目标长宽比悬殊、密集分布造成的目标检测难度高的问题。
[0006]本专利技术的一个方面，提供了一种遥感图像的目标检测方法，所述方法包括：对原始遥感图像进行图像裁剪，得到多个图像切片；根据检测框对各个图像切片中的目标进行目标标注，并根据所述检测框对应的外接框对得到的目标标注数据进行编码，得到检测数据集；将所述检测数据集输入到预先训练的无预设框检测网络进行目标检测，得到目标在图像切片上的边界目标坐标、目标类别信息以及当前检测结果的置信度；对各个图像切片的目标检测结果进行合并。
[0007]可选地，所述根据检测框对各个图像切片中的目标进行目标标注，包括：根据检测到目标时检测框的位置坐标对图像切片中的目标进行目标标注，得到原始标注信息[x1,y1,x2,y2,x3,y3,x4,y4]，其中，（x1,y1）、（x2,y2）、（x3,y3）、（x4,y4）分别为检测到目标时检测框的顶点坐标。
[0008]可选地，所述根据所述检测框对应的外接框对得到的目标标注数据进行编码，包括：根据所述检测框对应的外接框的位置坐标确定对原始标注信息[x1,y1,x2,y2,x3,y3,x4,y4]进行编码，得到编码的标注数据(x, y, w, h,,)，其中：
P，Q分别表示检测框左顶点和上顶点到外接框左上角的距离， 表示对应的坐标点中x坐标取值最小的坐标点对应的y坐标取值；表示对应的坐标点中y坐标取值最小的坐标点对应的x坐标取值。
[0009]可选地，所述将所述检测数据集输入到预先训练的无预设框检测网络进行目标检测，包括：配置参数通道为[x, y, w, h，, ]六参数，并将转化为[0,1]范围的浮点型变量；在检测网络中通过[x, y, w, h，, ]六参数的回归进行检测框的预测；根据预设阈值对预测结果进行二值化，得到边界目标坐标；对所述边界目标坐标内部的图像数据进行目标预测，得到目标类别信息以及当前检测结果的置信度。
[0010]可选地，在所述对各个图像切片的目标检测结果进行合并之前，所述方法还包括：对预测结果中边界目标坐标进行坐标矫正，并根据当前目标在当前图像切片内部的比重，对其预测置信度进行惩罚。
[0011]可选地，在所述对各个图像切片的目标检测结果进行合并之后，所述方法还包括对边界目标坐标修正的步骤；所述对边界目标坐标修正的步骤，具体包括：对位于合并后的整图边界的边界目标进行矫正，切除图外的部位，生成与保留部分交并比最大的外接四边形。
[0012]本专利技术的另一个方面，提供了一种遥感图像的目标检测装置，包括：裁剪模块，用于对原始遥感图像进行图像裁剪，得到多个图像切片；标注编码模块，用于根据检测框对各个图像切片中的目标进行目标标注，并根据所述检测框对应的外接框对得到的目标标注数据进行编码，得到检测数据集；预测模块，用于将所述检测数据集输入到预先训练的无预设框检测网络进行目标检测，得到目标在图像切片上的边界目标坐标、目标类别信息以及当前检测结果的置信度；合并模块，用于对各个图像切片的目标检测结果进行合并。
[0013]可选地，所述标注编码模块，包括：标注单元，用于根据检测到目标时检测框的位置坐标对图像切片中的目标进行目
标标注，得到原始标注信息[x1,y1,x2,y2,x3,y3,x4,y4]，其中，（x1,y1）、（x2,y2）、（x3,y3）、（x4,y4）分别为检测到目标时检测框的顶点坐标；编码单元，用于根据所述检测框对应的外接框的位置坐标确定对原始标注信息[x1,y1,x2,y2,x3,y3,x4,y4]进行编码，得到编码的标注数据(x, y, w, h，,)，其中：P，Q分别表示检测框左顶点和上顶点到外接框左上角的距离， 表示对应的坐标点中x坐标取值最小的坐标点对应的y坐标取值；表示对应的坐标点中y坐标取值最小的坐标点对应的x坐标取值。
[0014]可选地，所述预测模块，包括：配置单元，用于配置参数通道为[x, y, w, h，, ]六参数，并将转化为[0,1]范围的浮点型变量；预测单元，用于在检测网络中通过[x, y, w, h，, ]六参数的回归进行检测框的预测；二值化单元，用于根据预设阈值对预测结果进行二值化，得到边界目标坐标；所述预测单元，还用于对所述边界目标坐标内部的图像数据进行目标预测，得到目标类别信息以及当前检测结果的置信度。
[0015]可选地，所述装置还包括：优化模块，用于在所述合并模块对各个图像切片的目标检测结果进行合并之前，对预测结果中边界目标坐标进行坐标矫正，并根据当前目标在当前图像切片内部的比重，对其预测置信度进行惩罚。
[0016]可选地，所述装置还包括：修正模块，用于在所述合并模块对各个图像切片的目标检测结果进行合并之后，对边界目标坐标修正，具体用于对位于合并后的整图边界的边界目标进行矫正，切除图外的部位，生成与保留部分交并比最大的外接四边形。
[0017]此外，本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述方法的步骤。
[0018]此外，本专利技术还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述方法的步骤。
[0019]本专利技术实施例提供的遥感图像的目标检测方法、装置、存储介质及电子设备，采用
无预设框的目标检测算法，可以避免预设框对目标形态的限制，解决检测目标长宽比悬殊、密集分布造成的检测难度高问题，能够有效提高检测准确率。
[0020]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种遥感图像的目标检测方法，其特征在于，所述方法包括：对原始遥感图像进行图像裁剪，得到多个图像切片；根据检测框对各个图像切片中的目标进行目标标注，并根据所述检测框对应的外接框对得到的目标标注数据进行编码，得到检测数据集；将所述检测数据集输入到预先训练的无预设框检测网络进行目标检测，得到目标在图像切片上的边界目标坐标、目标类别信息以及当前检测结果的置信度；对各个图像切片的目标检测结果进行合并。2.根据权利要求1所述的方法，其特征在于，所述根据检测框对各个图像切片中的目标进行目标标注，包括：根据检测到目标时检测框的位置坐标对图像切片中的目标进行目标标注，得到原始标注信息[x1,y1,x2,y2,x3,y3,x4,y4]，其中，（x1,y1）、（x2,y2）、（x3,y3）、（x4,y4）分别为检测到目标时检测框的顶点坐标。3.根据权利要求2所述的方法，其特征在于，所述根据所述检测框对应的外接框对得到的目标标注数据进行编码，包括：根据所述检测框对应的外接框的位置坐标确定对原始标注信息[x1,y1,x2,y2,x3,y3,x4,y4]进行编码，得到编码的标注数据(x, y, w, h,,)，其中：P，Q分别表示检测框左顶点和上顶点到外接框左上角的距离， 表示对应的坐标点中x坐标取值最小的坐标点对应的y坐标取值；表示对应的坐标点中y坐标取值最小的坐标点对应的x坐标取值。4.根据权利要求3所述的方法，其特征在于，所述将所述检测数据集输入到预先训练的无预设框检测网络进行目标检测，包括：配置参数通道为[x, y, w, h,,]六参数，并将转化为[0,1]范围的浮点型变量；在检测网络中通过[x, y, w, h,,]六参数的回归进行检测框的预测；根据预设阈值对预测结果进行二值化，得到边界目标坐标；对所述边界目标坐标内部的图像数据进行目标预测，得到目标类别信息以及当前检测结果的置信度。
5.根据权利要求1
‑
4任一项所述的方法，其特征在于，在所述对各个图像切片的目标检测结果进行合并之前，所述方法还包括：对预测结果中边界目标坐标进行坐标矫正，并根据当前目标在当前图像切...
【专利技术属性】
技术研发人员：季明，
申请(专利权)人：天津联图科技有限公司，
类型：发明
国别省市：
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。