【技术实现步骤摘要】
一种面向视频卫星图像的小目标检测方法及装置
[0001]本专利技术属于计算机视觉
，特别涉及一种面向视频卫星图像的小目标检测方法及装置。
技术介绍
[0002]根据MS COCO数据集的定义，通常将尺寸小于32
×
32像素的目标定义为微小目标。微小目标检测具有广泛的应用前景，在自动驾驶、智慧医疗、缺陷检测和航拍图像分析等诸多领域发挥着重要作用。然而，相对于常规尺寸的目标，微小目标通常缺乏充足的外观信息，因此难以将它们与背景或相似的目标区分开来。在目标检测公共数据集，微小目标的检测性能通常只有大目标的一半。由此可见，微小目标检测仍然是充满挑战的。此外，真实场景是错综复杂的，通常会存在光照剧烈变化、目标遮挡、目标稠密相连和目标尺度变化等问题，而这些因素对微小目标特征的影响是更加剧烈的，进一步加大了微小目标检测的难度。事实上，微小目标检测具有重要的研究意义和应用价值。对于视频卫星，图像中的目标，例如车、船、飞机可能只有几十甚至几个像素，精确地检测出卫星图像中的微小目标具有广泛的应用价值和重要的研究意义。
【技术保护点】
【技术特征摘要】
1.一种面向视频卫星图像的小目标检测方法，其特征在于，包括：S1：获取待检测图像，对所述待检测图像进行预处理，得到目标图像；S2：获取预设的标注框，基于K
‑
means聚类算法，利用所述标注框自适应计算目标图像的锚框；S2具体为：S2.1：获取预设的标注框数据集；S2.2：基于K
‑
means聚类算法，利用标注框数据集对所述目标图像进行初始化处理，以在所述目标图像中生成多个标注框；获取目标图像中所有标注框的边框值，从所有边框值中随机选取n个边框值并对应作为各个锚框的初始值，基于各个锚框的初始值与所有标注框的边框值，计算各个锚框与所有标注框的交并比值；其中，n为锚框的总数量;S2.3：选择各个锚框与所有标注框的交并比值中最高的交并比值作为各个锚框的临时值，计算所有锚框的临时值的平均值，根据所述平均值调整目标图像中每个锚框的尺寸，得到具有限定尺寸的锚框；S3：基于YOLOv5模型，构建边缘感知模块；其中边缘感知模块由通道注意力模块和空间注意力模块组成；通过S3中的所述边缘感知模块对输入的目标图像进行处理的具体步骤为：将所述通道注意力模块和所述空间注意力模块进行加权融合，得到融合模块；将所述目标图像输入所述融合模块，得到融合特征图；其中，得到融合特征图的公式为：；其中，表示融合特征图，X表示输入的目标图像，是SiLU激活函数，和是权重因子，表示通道注意力模块，表示空间注意力模块；将所述融合特征图依次输入通道注意力模块和空间注意力模块，得到融合增强特征图；其中，得到融合增强特征图的公式为：；其中，表示融合增强特征图；S4：为所述边缘感知模块构建边角对齐交并比损失函数；S4中，所述边角对齐交并比损失函数包括边对齐损失函数、角对齐损失函数和交并比损失函数，其中，所述边对齐损失函数如下式所示：；其中，表示边对齐损失函数，SA表示边对齐，SA为：；其中，表示预测框的角点与真实框的角点在坐标x方向上的最短的相对距离；表示预测框的角点与真实框的角点在坐标x方向上的最长的相对距离；表示预测框的角点与真实框的角点在坐标y方向上的最短的相对距离；表示预测框的角点与真实框的角点在坐标y方向上的最长的相对距离；所述角对齐损失函数如下式所示：
；其中，表示角对齐损失函数，为欧氏距离函数，表示预测框的左上角点，表示真实框的左上角点，表示预测框的右下角点，为真实框的右下角点，和分别表示覆盖预测框和真实框的最小包围框的左上角点和右下角点；所述边角对齐交并比损失函数如下式所示：；其中，表示边角对齐交并比损失函数，为权重因子，表示交并比；S5：对所述锚框进行调整得到目标图像的预测框，基于所述交并比损失函数，通过具有预测框的目标图像对所述边缘感知模块进行训练，得到小目标检测模型；S6：将所述待检测图像输入所述小目标检测模型，得到待检测图像的小目标检测结果。2.根据权利要求1所述的一种面向视频卫星图像的小目标检测方法，其特征在于，S1具体为：S1.1：将待检测图像缩放或拉伸到预设像素值，得到像素调整图像；S1.2：对所述像素调整图像进行数据增强，得到数据增强图像;S1.3：对所述数据增强图中的待识别目标的特征参数进行处理，得到目标图像。3.根据权利要求1所述的一种面向视频卫星图像的小目标检测方法，其特征在于，S3中，所述边缘感知模块设置有三个不同尺度的检测输出模块，用于输出三个不同...
【专利技术属性】
技术研发人员：卢涛，张显鸿，汪家明，张彦铎，吴云韬，徐文霞，于宝成，
申请(专利权)人：武汉工程大学，
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。