遥感影像的目标检测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种遥感影像的目标检测方法、装置、电子设备及存储介质，遥感影像的目标检测方法包括：获取遥感影像的原始图像，并通过检测器对所述原始图像进行目标初步筛选，得到若干目标区域图像；将所述目标区域图像输入生成对抗网络，通过所述生成对抗网络的生成器对所述目标区域图像进行超分辨率重建后得到高分辨率图像；通过所述生成对抗网络的判别器，对所述高分辨率图像进行目标检测。本发明专利技术的实施例，可以更好地还原小目标的细节信息，更好地实现对小目标的检测，能够显著提高检测的速度和精度。高检测的速度和精度。高检测的速度和精度。

【技术实现步骤摘要】
遥感影像的目标检测方法、装置、电子设备及存储介质


[0001]本专利技术涉及图像识别
，具体涉及一种遥感影像的目标检测方法、装置、电子设备及存储介质。

技术介绍

[0002]遥感是一门对地观测的综合性技术，其中一个重要领域便是遥感影像的目标检测。遥感影像的目标检测即对地面的建筑、植被、水域、车辆等特定目标进行识别和定位，在城市规划、智能监测、精准农业等众多领域有着广泛的应用。由于遥感影像的拍摄视角通常接近垂直，且图像涵盖范围广、小目标占比大，其与自然图像下的目标检测有很大区别，因此传统的目标检测算法并不能很好的适用于遥感影像。目前用于解决小目标检测的问题主要分为两个解决思路：多层特征图。由于目标检测算法通常会设置比较深的网络结构，但对于小目标而言，像素数过少导致其很容易在多次卷积运算后丢失，而一些感受野较小的浅层探测器则更容易捕获到小目标，近年出现了许多利用多层特征图的方法，对小目标的检测效果有了显著的提升。但这种思路下的计算量大，对计算机的计算能力和内存都有很高的要求；超分辨率重建，小目标不易被检测的根本原因是像素数少、细节信息不足，因此最直接的解决方案就是将原始影像经过超分辨率重建网络进行放大，再输入到目标检测网络中进行检测，这样的方案的确能够提升小目标的检测能力，但先通过超分网络、再通过检测网络的设计不仅增加了流程的复杂度，检测阶段也大大增加了计算量。

技术实现思路

[0003]基于现有技术中存在的问题，本专利技术实施例提出一种遥感影像的目标检测方法、装置、电子设备及存储介质。
[0004]第一方面，本专利技术实施例提供了一种遥感影像的目标检测方法，包括：
[0005]获取遥感影像的原始图像，并通过检测器对所述原始图像进行目标初步筛选，得到若干目标区域图像；
[0006]将所述目标区域图像输入生成对抗网络，通过所述生成对抗网络的生成器对所述目标区域图像进行超分辨率重建后得到高分辨率图像；
[0007]通过所述生成对抗网络的判别器，对所述高分辨率图像进行目标检测。
[0008]在一些示例中，所述将所述目标区域图像输入生成对抗网络，通过所述生成对抗网络的生成器对所述目标区域图像进行超分辨率重建后得到高分辨率图像之前，还包括：
[0009]通过所述判别器，对所述目标区域图像进行二次筛选。
[0010]在一些示例中，所述生成器包括超分辨率重建子神经网络和增强子神经网络，所述将所述目标区域图像输入生成对抗网络，通过所述生成对抗网络的生成器对所述目标区域图像进行超分辨率重建后得到高分辨率图像，包括：
[0011]将所述目标区域图像输入所述超分辨率重建子神经网络，以对所述目标区域图像进行超分辨率重建，得到高分辨率初始图像；
[0012]将所述高分辨率初始图像输入所述增强子神经网络，以还原所述高分辨率初始图像缺失的画面细节，得到所述高分辨率图像。
[0013]在一些示例中，所述通过所述生成对抗网络的判别器，对所述高分辨率图像进行目标检测时，还包括：
[0014]通过所述判别器，指导所述生成器生成高分辨率图像。
[0015]在一些示例中，所述通过检测器对所述原始图像进行目标初步筛选，得到若干目标区域图像，包括：
[0016]通过所述检测器应用目标检测算法，对所述原始图像进行目标初步筛选，得到若干目标区域图像，其中，所述目标检测算法包括YOLOv2或者改进的Faster R
‑
CNN算法。
[0017]在一些示例中，所述超分辨率重建子神经网络采用改进FSRCNN算法。
[0018]在一些示例中，所述判别器，包括VGG19网络。
[0019]第二方面，本专利技术的实施例提供一种遥感影像的目标检测装置，包括：
[0020]获取模块，用于获取遥感影像的原始图像，并通过检测器对所述原始图像进行目标初步筛选，得到若干目标区域图像；
[0021]重建模块，用于将所述目标区域图像输入生成对抗网络，通过所述生成对抗网络的生成器对所述目标区域图像进行超分辨率重建后得到高分辨率图像；
[0022]检测模块，用于通过所述生成对抗网络的判别器，对所述高分辨率图像进行目标检测。
[0023]第三方面，本专利技术实施例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计算机程序时实现如第一方面所述的遥感影像的目标检测方法。
[0024]第四方面，本专利技术实施例还提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述的遥感影像的目标检测方法。
[0025]由上述技术方案可知，本专利技术实施例提供的遥感影像的目标检测方法，通过对原始图像的超分辨率实现小目标图像细节的还原，提高对小目标的检测率，将超分辨率和画质增强的重建网络融入生成对抗网络中，通过判别器指导生成器生成更高质量的重建图像，将重建与检测融合为一个网络，即将图像超分辨率重建的技术融入生成对抗网络的生成器之中，相较于没有进行超分辨率重建的方法，可以更好地还原小目标的细节信息，更好地实现对小目标的检测，相较于先超分图像再进行目标检测的简单串联方式，能够显著提高检测的速度和精度。
附图说明
[0026]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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的前提下，还可以根据这些图获得其他的附图。
[0027]图1是本专利技术一实施例提供的遥感影像的目标检测方法的流程图；
[0028]图2是本专利技术另一实施例提供的遥感影像的目标检测方法中网络的训练过程示意
图；
[0029]图3是本专利技术一实施例提供的遥感影像的目标检测装置的结构框图；
[0030]图4是本专利技术一实施例提供的电子设备的结构示意图。
具体实施方式
[0031]下面结合附图，对本专利技术的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。
[0032]以下结合附图描述根据本专利技术实施例的遥感影像的目标检测方法、装置、电子设备及存储介质。
[0033]图1示出了本专利技术一实施例提供的遥感影像的目标检测方法的流程图。如图1所示，本专利技术一个实施例提供的遥感影像的目标检测方法，包括如下内容：
[0034]S101：获取遥感影像的原始图像，并通过检测器对所述原始图像进行目标初步筛选，得到若干目标区域图像。
[0035]在本专利技术的一个实施例中，通过检测器对所述原始图像进行目标初步筛选，得到若干目标区域图像，包括：通过所述检测器应用目标检测算法，对所述原始图像进行目标初步筛选，得到若干目标区域图像，其中，所述目标检测算法包括但不限于YOLOv2或者改进的Faster R
‑
CNN算法。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种遥感影像的目标检测方法，其特征在于，包括：获取遥感影像的原始图像，并通过检测器对所述原始图像进行目标初步筛选，得到若干目标区域图像；将所述目标区域图像输入生成对抗网络，通过所述生成对抗网络的生成器对所述目标区域图像进行超分辨率重建后得到高分辨率图像；通过所述生成对抗网络的判别器，对所述高分辨率图像进行目标检测。2.根据权利要求1所述的遥感影像的目标检测方法，其特征在于，所述将所述目标区域图像输入生成对抗网络，通过所述生成对抗网络的生成器对所述目标区域图像进行超分辨率重建后得到高分辨率图像之前，还包括：通过所述判别器，对所述目标区域图像进行二次筛选。3.根据权利要求1所述的遥感影像的目标检测方法，其特征在于，所述生成器包括超分辨率重建子神经网络和增强子神经网络，所述将所述目标区域图像输入生成对抗网络，通过所述生成对抗网络的生成器对所述目标区域图像进行超分辨率重建后得到高分辨率图像，包括：将所述目标区域图像输入所述超分辨率重建子神经网络，以对所述目标区域图像进行超分辨率重建，得到高分辨率初始图像；将所述高分辨率初始图像输入所述增强子神经网络，以还原所述高分辨率初始图像缺失的画面细节，得到所述高分辨率图像。4.根据权利要求1所述的遥感影像的目标检测方法，其特征在于，所述通过所述生成对抗网络的判别器，对所述高分辨率图像进行目标检测时，还包括：通过所述判别器，指导所述生成器生成高分辨率图像。5.根据权利要求1
‑

【专利技术属性】
技术研发人员：夏湛超，韩东旭，吕波，
申请(专利权)人：中移系统集成有限公司中国移动通信集团有限公司，
类型：发明
国别省市：