一种遥感图像目标检测方法及组件技术

本发明专利技术提供一种遥感图像目标检测方法及组件，该方法包括对获取的待检测的遥感图像进行预处理，得到遥感图像预处理后数据；构建基于FCOS一阶段无锚点的旋转目标检测网络，旋转目标检测网络包括骨干网络、特征金字塔网络和检测头；利用骨干网络对遥感图像预处理数据进行多层级多尺寸特征提取，得到遥感图像特征图；利用特征金字塔网络融合遥感图像特征图得到融合后特征图；利用检测头从融合后特征图中获取遥感图像中潜在目标的检测框参数；根据获取到的检测框参数中，采用非极大值抑制算法剔除冗余的检测框，得到遥感图像最终检测结果，对遥感图像中复杂场景下的目标检测的精度和效率更高，且灵活性较强，发展前景广阔。发展前景广阔。发展前景广阔。

【技术实现步骤摘要】
一种遥感图像目标检测方法及组件


[0001]本专利技术涉及目标检测
，尤其涉及一种遥感图像目标检测方法及组件。

技术介绍

[0002]卫星遥感技术是应用各种传感仪器对远距离目标所辐射和发射的电磁波信息进行收集、处理并最后形成图像，具有宏观、实时、高效、高分辨率等优势，是当代高新技术的一个重要组成部分。近十年来全球空间对地观测技术的发展和应用表明，卫星遥感技术是一项衡量一个国家科技发展水平的重要尺度。遥感卫星产生的遥感数据具有重要的研究及应用价值。遥感图像的目标检测技术是随着遥感技术的发展而兴起的一项新的技术，是卫星遥感图像处理领域中最基础的任务之一，旨在从大规模遥感图像中快速定位特定目标，因其作用距离远、覆盖范围广、执行效率高等优点，被广泛应用于农业生产、交通管理、资源勘查、环境保护、国防安全以及城市规划等领域，具有重要的应用价值。
[0003]随着人工智能与计算机视觉技术的快速发展，基于机器视觉的目标识别和基于深度学习的目标识别取得了重大突破，大大提高了图像识别的准确度和识别效率。为了将计算机视觉中目标检测技术的成果经验应用到遥感图像中感兴趣目标的识别，传统的遥感图像目标检测方法通常是选择遥感图像中的可见光波段作为输入图像，以遥感图像的可见光波段构成的图像为输入，利用针对自然图像而设计并在此基础上训练的基于深度学习的目标检测网络，先对输入的遥感图像进行特征提取，再经过一系列对感兴趣目标所在位置的回归以及所属类别进行判断，最终输出对感兴趣目标的识别结果，展示显示一般为用水平的矩形框包围在目标外侧，然后附上目标对应的类别及其识别的概率值。由于遥感图像具有视野范围较大、背景复杂度高、视角特殊、目标种类繁多、密集程度高、尺度差异性大，方向任意等特点，在提供更多感兴趣区域的同时带来了更复杂的背景信息，给目标检测带来了巨大挑战，直接将计算机视觉任务中的方法搬到遥感图像的感兴趣目标识别上，忽略了遥感图像的特性，导致最终的识别效果不佳，严重影响了检测精度和效率，导致其在卫星遥感技术的应用受到一定限制。

技术实现思路

[0004]本专利技术提供一种遥感图像目标检测方法及组件，用以解决现有技术中检测精度和效率低的缺陷，实现对遥感图像中复杂场景下的目标检测的精度和效率更高，且灵活性较强，发展前景广阔。
[0005]本专利技术提供一种遥感图像目标检测方法，包括：对获取的待检测的遥感图像进行预处理，得到遥感图像预处理后数据；构建基于FCOS一阶段无锚点的旋转目标检测网络，所述旋转目标检测网络包括骨干网络、特征金字塔网络和检测头；利用所述骨干网络对所述遥感图像预处理后数据进行多层级多尺寸特征提取，得到遥感图像特征图；利用所述特征金字塔网络对所述遥感图像特征图进行融合，得到融合后特征图；利用所述检测头从所述融合后特征图中获取遥感图像中潜在目标的检测框参数；根据获取到的所述检测框参数
中，采用非极大值抑制算法剔除冗余的检测框，得到遥感图像最终检测结果。
[0006]根据本专利技术提供的一种遥感图像目标检测方法，所述对获取的待检测的遥感图像进行预处理，得到遥感图像预处理后数据，包括：对所述待检测的遥感图像进行裁剪，得到若干个遥感子图像块；对若干个所述遥感子图像块进行归一化以得到所述遥感图像预处理后数据。
[0007]根据本专利技术提供的一种遥感图像目标检测方法，所述利用所述骨干网络对所述遥感图像预处理后数据进行多层级多尺寸特征提取，得到遥感图像特征图，包括：选取ResNet50网络作为骨干网络对所述遥感图像预处理后数据进行多层级多尺寸特征提取，得到遥感图像浅层特征图和遥感图像深层特征图；所述ResNet50网络包含多个不同的卷积层，各卷积层的输出特征图的尺寸各不相同。
[0008]根据本专利技术提供的一种遥感图像目标检测方法，所述利用所述特征金字塔网络对所述遥感图像特征图进行融合，得到融合后特征图，包括：所述特征金字塔网络使用自上而下路径和自下而上路径融合所述遥感图像浅层特征图和所述遥感图像深层特征图以得到所述融合后特征图。
[0009]根据本专利技术提供的一种遥感图像目标检测方法，所述利用所述检测头从所述融合后特征图中获取遥感图像中潜在目标的检测框参数，包括：所述检测头包括分类分支和回归分支；利用所述分类分支从所述融合后特征图中获取遥感图像中潜在目标的类别；利用所述回归分支从所述融合后特征图中获取遥感图像中潜在目标的检测框的中心度和角点坐标。
[0010]根据本专利技术提供的一种遥感图像目标检测方法，所述利用所述回归分支从所述融合后特征图中获取遥感图像中潜在目标的检测框的中心度，包括：利用所述回归分支基于第一预设公式从所述融合后特征图中获取遥感图像中潜在单目标的检测框的中心度；所述第一预设公式为：
[0011][0012]或，
[0013]利用所述回归分支基于第二预设公式从所述融合后特征图中获取遥感图像中潜在双目标的检测框的中心度；所述第二预设公式为：
[0014][0015]其中，P为旋转矩形框内任意一点，a、b、c和d分别为P到旋转矩形框的4个边的垂直距离，dis为中心度，[flag≥0]当flag≥0时为1，否则为0；[flag＜0]当flag＜0时为1，否则为0。
[0016]根据本专利技术提供的一种遥感图像目标检测方法，所述利用所述回归分支从所述融合后特征图中获取遥感图像中潜在目标的检测框的角点坐标，包括：利用所述回归分支基于两点单中心直接预测算法或两点两中心分工预测算法或两中心迭代预测算法从所述融合后特征图中获取遥感图像中潜在目标的检测框的角点坐标。
[0017]根据本专利技术提供的一种遥感图像目标检测方法，所述利用所述骨干网络对所述遥感图像预处理后数据进行多层级多尺寸特征提取，得到遥感图像特征图之前，还包括：设计
网络损失函数，所述网络损失函数包括分类损失函数和回归损失函数；根据所述网络损失函数基于随机梯度下降算法对所述旋转目标检测网络进行训练优化，得到训练后的旋转目标检测网络。
[0018]本专利技术还提供一种遥感图像目标检测系统，包括：预处理模块，用于对获取的待检测的遥感图像进行预处理，得到遥感图像预处理后数据；网络构建模块，用于构建基于FCOS一阶段无锚点的旋转目标检测网络，所述旋转目标检测网络包括骨干网络、特征金字塔网络和检测头；特征提取模块，用于利用所述骨干网络对所述遥感图像预处理后数据进行多层级多尺寸特征提取，得到遥感图像特征图；特征融合模块，用于利用所述特征金字塔网络对所述遥感图像特征图进行融合，得到融合后特征图；检测模块，用于利用所述检测头从所述融合后特征图中获取遥感图像中潜在目标的检测框参数；解算模块，用于根据获取到的所述检测框参数中，采用非极大值抑制算法剔除冗余的检测框，得到遥感图像最终检测结果。
[0019]本专利技术还提供一种电子设备，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述任一种所述遥感图像目标检测方法。
[0020]本专利技术提供的一种遥感图像目标检测方法及组件，该方法包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种遥感图像目标检测方法，其特征在于，包括：对获取的待检测的遥感图像进行预处理，得到遥感图像预处理后数据；构建基于FCOS一阶段无锚点的旋转目标检测网络，所述旋转目标检测网络包括骨干网络、特征金字塔网络和检测头；利用所述骨干网络对所述遥感图像预处理后数据进行多层级多尺寸特征提取，得到遥感图像特征图；利用所述特征金字塔网络对所述遥感图像特征图进行融合，得到融合后特征图；利用所述检测头从所述融合后特征图中获取遥感图像中潜在目标的检测框参数；根据获取到的所述检测框参数中，采用非极大值抑制算法剔除冗余的检测框，得到遥感图像最终检测结果。2.根据权利要求1所述的遥感图像目标检测方法，其特征在于，所述对获取的待检测的遥感图像进行预处理，得到遥感图像预处理后数据，包括：对所述待检测的遥感图像进行裁剪，得到若干个遥感子图像块；对若干个所述遥感子图像块进行归一化以得到所述遥感图像预处理后数据。3.根据权利要求1所述的遥感图像目标检测方法，其特征在于，所述利用所述骨干网络对所述遥感图像预处理后数据进行多层级多尺寸特征提取，得到遥感图像特征图，包括：选取ResNet50网络作为骨干网络对所述遥感图像预处理后数据进行多层级多尺寸特征提取，得到遥感图像浅层特征图和遥感图像深层特征图；所述ResNet50网络包含多个不同的卷积层，各卷积层的输出特征图的尺寸各不相同。4.根据权利要求1所述的遥感图像目标检测方法，其特征在于，所述利用所述特征金字塔网络对所述遥感图像特征图进行融合，得到融合后特征图，包括：所述特征金字塔网络使用自上而下路径和自下而上路径融合所述遥感图像浅层特征图和所述遥感图像深层特征图以得到所述融合后特征图。5.根据权利要求1所述的遥感图像目标检测方法，其特征在于，所述利用所述检测头从所述融合后特征图中获取遥感图像中潜在目标的检测框参数，包括：所述检测头包括分类分支和回归分支；利用所述分类分支从所述融合后特征图中获取遥感图像中潜在目标的类别；利用所述回归分支从所述融合后特征图中获取遥感图像中潜在目标的检测框的中心度和角点坐标。6.根据权利要求5所述的遥感图像目标检测方法，其特征在于，所述利用所述回归分支从所述融合后特征图中获取遥感图像中潜在目标的检测框的中心度，包括：利用所述回归...

【专利技术属性】
技术研发人员：柴跃廷，张安廷，刘娜，
申请(专利权)人：清华大学，
类型：发明
国别省市：