一种用于光学遥感图像中舰船目标检测的方法技术

本发明专利技术属于光学遥感图像检测技术领域，公开一种用于光学遥感图像中舰船目标检测的方法，包括：步骤1：构建D

【技术实现步骤摘要】
一种用于光学遥感图像中舰船目标检测的方法


[0001]本专利技术属于光学遥感图像检测
，尤其涉及一种用于光学遥感图像中 舰船目标检测的方法。

技术介绍

[0002]随着遥感技术的发展，遥感卫星获取的地面图像数据量呈爆发式增长，如何 处理这些遥感数据迫在眉睫。光学遥感图像中舰船目标具有尺度多样化、背景环 境复杂、分布密集且小目标居多等特点，现有的目标检测算法应用于遥感图像舰 船目标检测时，中小目标漏检率和误检率较高。
[0003]随着深度学习的发展，大量的基于深度学习的光学遥感图像检测方法被研究 作者提出。但是由于舰船的尺度特性(大部分舰船相对来说目标较小)和分布特 性(舰船分布较为密集)，导致很多方法应用于光学遥感图像舰船目标检测时， 存在严重的漏检和误检问题。因此基于深度学习的光学遥感图像的舰船目标检测 算法仍有很大的提升空间和研究意义。

技术实现思路

[0004]本专利技术针对现有的目标检测方法对于光学遥感图像中舰船目标检测精度较 差，中小尺寸舰船目标漏检多的问题，以及小尺寸舰船目标像素较少，位置信息 以及语义信息不充分的问题，提出一种用于光学遥感图像中舰船目标检测的方法。
[0005]为了实现上述目的，本专利技术采用以下技术方案：
[0006]一种用于光学遥感图像中舰船目标检测的方法，包括：
[0007]步骤1：构建D
‑
RFB模块，并基于D
‑
RFB模块对从光学遥感图像中提取的 特征图进行进一步的信息提取，同时为不同尺度的特征图提供合适的感受野；
[0008]步骤2：构建弹性沙漏模块，并基于弹性沙漏模块构建弹性沙漏路径聚合网 络；
[0009]步骤3：基于弹性沙漏路径聚合网络对不同尺度的特征图进行融合，并输出 最终的舰船目标检测结果。
[0010]进一步地，所述D
‑
RFB模块中使用不同扩张率的空洞卷积来增强特征图感 受野，其中每个空洞卷积分支中包含不同数量的3
×
3普通卷积，对特征信息进行 提取。
[0011]进一步地，所述D
‑
RFB模块包含卷积分支和残差分支；在卷积分支中，输 入的特征图首先经过1
×
1卷积来增加维度，然后使用不同数量的卷积操作来提取 信息增强感受野，各卷积分支中分别包含不同数量的3
×
3普通卷积和不同扩张率 的空洞卷积，并且网络结构逐步加深，各卷积分支分别为特征图提供不同尺度的 感受野，经过卷积提取特征之后，不同维度的特征信息融合在一起，最后各卷积 分支经过1
×
1卷积缩减维度之后和输入特征图进行残差连接。
[0012]进一步地，所述弹性沙漏模块包括弹性分支和沙漏模块；沙漏模块在高维度 进行提取信息，同时进行恒等映射和空间转换；弹性分支通过上采样和下采样函 数执行特征图
的尺度变换，同时尺度变换过程中包含一系列的卷积操作。
[0013]进一步地，所述弹性沙漏模块包含沙漏模块和弹性分支；沙漏模块包含残差 分支和主干卷积分支，输入特征图首先经过3
×
3的深度可分离卷积，然后使用两 个1
×
1卷积进行维度变换，先降低维度，再升高维度，降低维度和升高维度的比 例保持一致，最后再经过3
×
3深度可分离卷积；残差分支直接从输入特征图和输 出特征图进行残差连接；弹性分支首先经过尺寸为3步长为2的普通卷积进行下 采样，然后使用沙漏模块主干卷积分支提取信息，最后再使用上采样将特征图尺 寸复原。
[0014]进一步地，所述沙漏模块的构造通过公式(1)表示
[0015]G＝φ
e
(φ
r
(F))+F
ꢀꢀ
(1)
[0016]F表示输入张量，G表示输出张量，φ
e
和φ
r
分别表示通道扩展和缩减的点卷 积。
[0017]进一步地，所述弹性沙漏模块的构造如公式(2)所示
[0018]F(x)＝U
ri
(g(D
ri
(x)))+g(x)+x
ꢀꢀ
(2)
[0019]其中x表示弹性沙漏模块的输入，g()为沙漏模块主干卷积分支操作， D
ri
()表示下采样函数，U
ri
()代表上采样函数。
[0020]进一步地，所述弹性沙漏路径聚合网络通过上采样下采样以及平行分支来对 不同尺度的特征图进行融合：在弹性沙漏路径聚合网络中，包含语义信息的高层 特征图经过上采样之后和低层的位置信息进行融合，然后包含位置信息的低层特 征图经过下采样和高层的语义信息进行融合，融合之后的特征图，经过两个弹性 沙漏模块进行信息提取，最后对不同尺度的特征图进行检测。
[0021]与现有技术相比，本专利技术具有的有益效果：
[0022]本专利技术针对现有的目标检测方法对于光学遥感图像中舰船目标检测精度较 差，中小尺寸舰船目标漏检多的问题，提出了一种用于光学遥感图像中舰船目标 检测方法。本专利技术提出了D
‑
RFB模块来对从光学遥感图像中提取的特征图进行 进一步的信息提取，同时为不同尺度的特征图提供合适的感受野，其次，针对小 尺寸舰船目标像素较少，位置信息以及语义信息不充分的问题，提出了弹性沙漏 模块，该模块能提取更丰富的语义信息和位置信息。同时基于弹性沙漏模块提出 了弹性沙漏路径聚合网络，该网络能够促进不同层之间特征信息的传播，同时减 少传播过程中造成的特征信息的损失。
附图说明
[0023]图1为本专利技术实施例一种用于光学遥感图像中舰船目标检测的方法的基本 流程图；
[0024]图2为本专利技术实施例D
‑
RFB模块结构图，其中+表示残差连接；
[0025]图3为本专利技术实施例弹性沙漏模块结构图，其中+表示残差连接；
[0026]图4为本专利技术实施例弹性沙漏路径聚合网络结构图，其中ESG表示弹性沙 漏模块。
具体实施方式
[0027]下面结合附图和具体的实施例对本专利技术做进一步的解释说明：
[0028]如图1所示，一种用于光学遥感图像中舰船目标检测的方法，包括：
[0029]步骤S101：构建D
‑
RFB模块，并基于D
‑
RFB模块对从光学遥感图像中提 取的特征图
进行进一步的信息提取，同时为不同尺度的特征图提供合适的感受野； 作为一种可实施方式，在步骤S101之前，具体可通过CSPDarknet53从光学遥感 图像中提取特征图；
[0030]步骤S102：构建弹性沙漏模块，并基于弹性沙漏模块构建弹性沙漏路径聚 合网络；
[0031]步骤S103：基于弹性沙漏路径聚合网络对不同尺度的特征图进行融合，并 输出最终的舰船目标检测结果。
[0032]具体地，光学遥感图像中舰船目标难以检测的问题在于感受本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于光学遥感图像中舰船目标检测的方法，其特征在于，包括：步骤1：构建D
‑
RFB模块，并基于D
‑
RFB模块对从光学遥感图像中提取的特征图进行进一步的信息提取，同时为不同尺度的特征图提供合适的感受野；步骤2：构建弹性沙漏模块，并基于弹性沙漏模块构建弹性沙漏路径聚合网络；步骤3：基于弹性沙漏路径聚合网络对不同尺度的特征图进行融合，并输出最终的舰船目标检测结果。2.根据权利要求1所述的一种用于光学遥感图像中舰船目标检测的方法，其特征在于，所述D
‑
RFB模块中使用不同扩张率的空洞卷积来增强特征图感受野，其中每个空洞卷积分支中包含不同数量的3
×
3普通卷积，对特征信息进行提取。3.根据权利要求1或2所述的一种用于光学遥感图像中舰船目标检测的方法，其特征在于，所述D
‑
RFB模块包含卷积分支和残差分支；在卷积分支中，输入的特征图首先经过1
×
1卷积来增加维度，然后使用不同数量的卷积操作来提取信息增强感受野，各卷积分支中分别包含不同数量的3
×
3普通卷积和不同扩张率的空洞卷积，并且网络结构逐步加深，各卷积分支分别为特征图提供不同尺度的感受野，经过卷积提取特征之后，不同维度的特征信息融合在一起，最后各卷积分支经过1
×
1卷积缩减维度之后和输入特征图进行残差连接。4.根据权利要求1所述的一种用于光学遥感图像中舰船目标检测的方法，其特征在于，所述弹性沙漏模块包括弹性分支和沙漏模块；沙漏模块在高维度进行提取信息，同时进行恒等映射和空间转换；弹性分支通过上采样和下采样函数执行特征图的尺度变换，同时尺度变换过程中包含一系列的卷积操作。5.根据权利要求1或4所述的一种用于光学遥感图像中舰船目标检测的方法，其特征在于，所述弹性沙漏模块包...

【专利技术属性】
技术研发人员：周黎鸣，李亚辉，饶晓晗，左宪禹，刘扬，李铁柱，张磊，蔡坤，
申请(专利权)人：河南大学，
类型：发明
国别省市：