本发明专利技术涉及一种基于轻量级网络的多光谱卫星图像舰船冰山分类方法，基于分别对应蓝色波段、绿色波段、红色波段、近红外波段的海面区域多光谱图像，以红色波段与近红外波段的融合，结合蓝色波段、绿色波段，构成RGB三通道多光谱图像，构建预设数量包含冰山目标标签、舰船目标标签的各幅海面区域RGB多光谱样本图像，用于针对具体结构设计的轻量级网络进行训练，获得目标分类模型，用于实现海面区域舰船、冰山的分类；设计集合了多光谱卫星图像数据预处理、轻量级网络结构设计、正则化抑制过拟合、网络训练及验证等技术，实现了多光谱卫星遥感图像海上舰船冰山目标准确分类，提升了海上态势感知能力。势感知能力。势感知能力。
【技术实现步骤摘要】
一种基于轻量级网络的多光谱卫星图像舰船冰山分类方法
[0001]本专利技术涉及一种基于轻量级网络的多光谱卫星图像舰船冰山分类方法，属于遥感图像目标检测分类
技术介绍
[0002]卫星多光谱成像仪是一种能够同时获取光谱特征和空间图像信息的重要设备，是光电成像系统发展的重要方向，具有图像分辨率高、多光谱波段图像、波段连续、图像信息量大、目标特征丰富等成像特点，可有效地识别陆海目标，能够大范围、动态、长期地对陆海进行态势感知。尤其在海洋交通运输安全、海洋渔业管理、非法移民、搜救、沉船和环境(石油泄漏或污染)以及军事监测等方面,多光谱遥感图像的海上舰船冰山检测分类更有着重要的意义。
[0003]传统的多光谱卫星图像目标检测分类方法依赖于人工设计特征且易受复杂背景干扰，存在识别精度不高、识别效率低及泛化能力差等特点。基于深度学习的方法借助其自主学习参数和自动提取特征的能力，摆脱了对人工设计特征和建模的依赖性，相比于传统方法具有抗干扰性强及检测分类精度高等优点，特别是在场景复杂多变、目标姿态多变的多光谱卫星图像海上目标检测分类领域中具有巨大的发展潜力。
[0004]近年来，随着人工智能科技的兴起，针对遥感图像目标分类领域，已有基于深度学习的支持向量机（SVM）、卷积神经网络（CNN）等算法应用于遥感图像舰船目标分类，并且在合成孔径雷达（Synthetic Aperture Radar，SAR）和光学图像舰船目标分类场景取得了较优异的表现。然而，现有的研究方法存在以下弊端：（1）使用的数据集规模较小、背景单一，训练的模型难以适应复杂场景；（2）模型训练轮次多，易过拟合，分类准确率低；（3）在多光谱卫星遥感图像海上舰船冰山目标分类场景中的应用极少，未见报道。因此，对于多光谱卫星遥感图像海上舰船冰山目标分类场景，如何提出一个不易过拟合、训练轮次少、收敛速度快、精确率高的目标分类方法，正是亟待解决的技术难题。
技术实现思路
[0005]本专利技术所要解决的技术问题是提供一种基于轻量级网络的多光谱卫星图像舰船冰山分类方法，采用多光谱卫星图像数据预处理、轻量级网络结构设计、正则化抑制过拟合、网络训练及验证等技术，实现多光谱卫星遥感图像海上舰船冰山目标准确分类，提升海上态势感知能力。
[0006]本专利技术为了解决上述技术问题采用以下技术方案：本专利技术设计了一种基于轻量级网络的多光谱卫星图像舰船冰山分类方法，按如下步骤A至步骤C，获得用于识别海面上舰船、冰山的目标分类模型；进而应用目标分类模型，针对目标海面区域，实现关于舰船、冰山的分类；步骤A. 构建预设数量包含冰山目标标签、舰船目标标签的各幅海面区域RGB多光谱样本图像，然后进入步骤B；
步骤B. 构建轻量级网络，作为待训练网络，然后进入步骤C；步骤C. 基于各幅海面区域RGB多光谱样本图像，以海面区域RGB多光谱样本图像为输入，海面区域RGB多光谱样本图像中冰山目标标签、舰船目标标签、或者无冰山与舰船目标标签为输出，针对待训练网络进行训练，获得目标分类模型。
[0007]作为本专利技术的一种优选技术方案：还包括如下步骤i，实现对所述目标分类模型的有效性评估；步骤i. 按如下公式，通过目标红色反射率占比 与平均反射率之间的散点图、以及训练精度、验证精度，对目标分类模型分类结果进行分析，验证目标分类模型的有效性；的有效性；的有效性；其中，表示训练时将舰船冰山正确分类的数据样本数，为训练数据集样本总数，表示验证时将舰船冰山正确分类的数据样本数，为验证数据集样本总数，，为舰船冰山目标蓝色反射率，为舰船冰山目标绿色反射率、为舰船冰山目标红色反射率，为舰船冰山目标近红外反射率，为舰船冰山目标4波段总反射率，为目标像素面积。
[0008]作为本专利技术的一种优选技术方案：所述步骤A包括步骤A1至步骤A11；步骤A1. 基于哨兵2卫星的不同波段，应用哨兵2卫星捕获包含各冰山目标标签与各舰船目标标签、且分别对应蓝色波段、绿色波段、红色波段、近红外波段的海面区域的多光谱图像，然后进入步骤A2；步骤A2. 针对红色波段下多光谱图像与近红外波段下多光谱图像进行融合，构成R通道多光谱图像，并结合蓝色波段下多光谱图像作为B通道多光谱图像、绿色波段下多光谱图像作为G通道多光谱图像，构成RGB三通道多光谱图像，然后进入步骤A3；步骤A3. 基于预设区分场景区域与场景目标的像素阈值，通过像素值高于的像素连接区域，标记RGB三通道多光谱图像中的各个场景目标，然后进入步骤A4；步骤A4. 分别以各个场景目标作为图像块中心位置，由RGB三通道多光谱图像中截取各个预设尺寸的图像块，即获得各个RGB三通道图像块，然后进入步骤A5；步骤A5. 分别针对各个RGB三通道图像块，根据预设区分场景目标中陆地和海冰的像素阈值，通过像素值高于的像素区域，确定RGB三通道图像块场景目标中的陆地和海冰像素区域、并进行遮蔽去除，更新该RGB三通道图像块中场景目标；进而更新各RGB三通道图像块，然后进入步骤A6；步骤A6. 基于其它卫星捕获与步骤A1中多光谱图像相同海面区域的参考图像，分别针对各个RGB三通道图像块，执行RGB三通道图像块与参考图像之间的比较，剔除RGB三通道图像块场景目标中除舰船、冰山以外的各静止目标，更新该RGB三通道图像块中场景目
标；进而更新各RGB三通道图像块，然后进入步骤A7；步骤A7. 分别针对各个RGB三通道图像块，确定RGB三通道图像块中的海岸线，并确定海岸线向两侧延伸预设距离区域为海岸波浪目标，执行遮蔽去除，更新该RGB三通道图像块中场景目标；进而更新各RGB三通道图像块，然后进入步骤A8；步骤A8. 分别针对各个RGB三通道图像块，剔除RGB三通道图像块场景目标中海面上的海浪、以及分离的舰船尾迹，更新该RGB三通道图像块中场景目标；进而更新各RGB三通道图像块，然后进入步骤A9；步骤A9. 分别针对各个RGB三通道图像块，判断RGB三通道图像块中是否存在除中心位置场景目标以外的其余目标，是则对该其余各目标进行遮蔽去除，更新该RGB三通道图像块中场景目标，并进入步骤A10；否则直接进入步骤A10；步骤A10. 分别针对各个RGB三通道图像块，剔除RGB三通道图像块场景目标中尺寸小于预设像素数的目标，更新该RGB三通道图像块中场景目标，进而更新各RGB三通道图像块，然后进入步骤A11；步骤A11. 分别针对各个RGB三通道图像块，区分定义RGB三通道图像块场景目标中的冰山目标标签、舰船目标标签、或无冰山与舰船目标标签，构成海面区域RGB多光谱样本图像；进而获得各幅海面区域RGB多光谱样本图像。
[0009]作为本专利技术的一种优选技术方案：按如下操作，应用目标分类模型，针对目标海面区域，实现关于舰船、冰山的分类；首先基于卫星的不同波段，应用哨兵2卫星捕获目标海面区域分别对应蓝色波段、绿色波段、红色波段、近红外波段的海面区域的多光谱图像；然后基于各波段多光谱图像，依次执行步骤A2至步骤A10，获得各RGB三通道图像块，作为各目标海面区域RGB多光谱图像；最后分别针对各目标海面区域RGB多本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于轻量级网络的多光谱卫星图像舰船冰山分类方法，其特征在于：按如下步骤A至步骤C，获得用于识别海面上舰船、冰山的目标分类模型；进而应用目标分类模型，针对目标海面区域，实现关于舰船、冰山的分类；步骤A. 构建预设数量包含冰山目标标签、舰船目标标签的各幅海面区域RGB多光谱样本图像，然后进入步骤B；步骤B. 构建轻量级网络，作为待训练网络，然后进入步骤C；步骤C. 基于各幅海面区域RGB多光谱样本图像，以海面区域RGB多光谱样本图像为输入，海面区域RGB多光谱样本图像中冰山目标标签、舰船目标标签、或者无冰山与舰船目标标签为输出，针对待训练网络进行训练，获得目标分类模型。2.根据权利要求1所述一种基于轻量级网络的多光谱卫星图像舰船冰山分类方法，其特征在于：还包括如下步骤i，实现对所述目标分类模型的有效性评估；步骤i. 按如下公式，通过目标红色反射率占比 与平均反射率之间的散点图、以及训练精度、验证精度，对目标分类模型分类结果进行分析，验证目标分类模型的有效性；效性；效性；其中，表示训练时将舰船冰山正确分类的数据样本数，为训练数据集样本总数，表示验证时将舰船冰山正确分类的数据样本数，为验证数据集样本总数，，为舰船冰山目标蓝色反射率，为舰船冰山目标绿色反射率、为舰船冰山目标红色反射率，为舰船冰山目标近红外反射率，为舰船冰山目标4波段总反射率，为目标像素面积。3.根据权利要求1所述一种基于轻量级网络的多光谱卫星图像舰船冰山分类方法，其特征在于：所述步骤A包括步骤A1至步骤A11；步骤A1. 基于哨兵2卫星的不同波段，应用哨兵2卫星捕获包含各冰山目标标签与各舰船目标标签、且分别对应蓝色波段、绿色波段、红色波段、近红外波段的海面区域的多光谱图像，然后进入步骤A2；步骤A2. 针对红色波段下多光谱图像与近红外波段下多光谱图像进行融合，构成R通道多光谱图像，并结合蓝色波段下多光谱图像作为B通道多光谱图像、绿色波段下多光谱图像作为G通道多光谱图像，构成RGB三通道多光谱图像，然后进入步骤A3；步骤A3. 基于预设区分场景区域与场景目标的像素阈值，通过像素值高于的像素连接区域，标记RGB三通道多光谱图像中的各个场景目标，然后进入步骤A4；步骤A4. 分别以各个场景目标作为图像块中心位置，由RGB三通道多光谱图像中截取各个预设尺寸的图像块，即获得各个RGB三通道图像块，然后进入步骤A5；步骤A5. 分别针对各个RGB三通道图像块，根据预设区分场景目标中陆地和海冰的像
素阈值，通过像素值高于的像素区域，确定RGB三通道图像块场景目标中的陆地和海冰像素区域、并进行遮蔽去除，更新该RGB三通道图像块中场景目标；进而更新各RGB三通道图像块，然后进入步骤A6；步骤A6. 基于其它卫星捕获与步骤A1中多光谱图像相同海面区域的参考图像，分别针对各个RGB三通道图像块，执行RGB三通道图像块与参考图像之间的比较，剔除RGB三通道图像块场景目标中除舰船、冰山以外的各静止目标，更新该RGB三通道图像块中场景目标；进而更新各RGB三通道图像块，然后进入步骤A7；步骤A7. 分别针对各个RGB三通道图像块，确定RGB三通道图像块中的海岸线，并确定海岸线向两侧延伸预设距离区域为海岸波浪目标，执行遮蔽去除，更新该RGB三通道图像块中场景目标；进而更新各RGB三通道图像块，然后进入步骤A8；步骤A8. 分别针对各个RGB三通道图像块，剔除RGB三通道图像块场景目标中海面上的海浪、以及分离的舰船尾迹，更新该RGB三通道图...
【专利技术属性】
技术研发人员：黄柏圣，孙喆，
申请(专利权)人：南京信息工程大学，
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。