【技术实现步骤摘要】
本专利技术涉及图像数据处理，特别是一种有锚框的红外舰船旋转目标检测方法。
技术介绍
1、近年来，人们研究了基于卷积神经网络的光学遥感图像船舶检测方法；然而，将其应用于红外图像是一个挑战。首先，近岸场景中的大部分区域包含了分散的斑点和噪声，这极大地干扰了船舶检测。其次，红外船舶图像中包含不同大小的船舶目标，尤其是分布密集的小型船舶。不幸的是，小型船只的显著特征较少，难以被发现。与此同时，红外图像中的舰船目标具有方向任意、排列密集的特点。传统的基于水平边界盒的检测对这种密集排列的场景非常不友好，往往导致定位不准确。
2、因此，现有的技术存在着对于红外舰船探测性能较弱以及无法精确的定位船舶目标的问题。
技术实现思路
1、本专利技术的目的在于，提供一种有锚框的红外舰船旋转目标检测方法。本专利技术具有能够有效提高对于红外舰船的探测性能以及能够精确定位船舶目标的特点。
2、本专利技术的技术方案：一种有锚框的红外舰船旋转目标检测方法，包括以下步骤：
3、s1、获取待检测的图像；
4、s2、对待检测的图像进行预处理，得到预处理图像；
5、s3、通过旋转目标检测网络从预处理图像中进行特征的提取、融合，确定有向旋转边界框；
6、所述旋转目标检测网络包括特征提取网络单元、特征融合单元以及有锚框旋转检测头。
7、前述的一种有锚框的红外舰船旋转目标检测方法中，特征提取网络单元使用resnet-50模型用于对预处理图像的特征提
8、前述的一种有锚框的红外舰船旋转目标检测方法中，特征提取网络单元所得到的不同尺度下的特征图为resnet-50模型最后三个阶段输出的多级特征映射图c3、c4和c5。
9、前述的一种有锚框的红外舰船旋转目标检测方法中，特征融合单元由sem结构和fam结构组成，sem结构用于增强空间位置信息，抑制背景噪声；fam结构用于缓解特征融合过程中的上下文错位现象。
10、前述的一种有锚框的红外舰船旋转目标检测方法中，特征融合单元的具体步骤如下：首先，将多级特征映射图c5、c4和c3按照从底层到顶层的特征金字塔的不同级别分为多级特征p5、p4和p3；使用fam结构将p5与p4对齐并连接，得到p4’；然后，使用fam结构将p4与p3对齐并连接，获得p3’；最后，对p3’进行双线性插值处理和sem结构增强空间信息处理，得到重建的特征图r2’。
11、前述的一种有锚框的红外舰船旋转目标检测方法中，重建的特征图的具体计算公式如下：
12、p′4＝fc[p4，ffam(p5，p4)]，
13、p′3＝fc[p4，ffam(p4，p3)]，
14、r′2＝fsem[fb(p′3)]；其中p′4和p′3表示浅层特征重建过程中的过渡值，r′2表示最终重建的特征图，fc和fb分别表示串联和双线性插值操作；ffam和fsem分别表示特征对齐模块和空间增强模块的操作。
15、前述的一种有锚框的红外舰船旋转目标检测方法中，sem结构的具体处理过程为：首先，输入特征张量ci，空间大小为c×w×h；然后，获取上下文信息并添加到局部特征，得到增强的特征图随后，通过通道压缩获得输出的浅层特征图c′i，
16、另外，在原始输入ci和增强的特征图之间还添加了跳跃连接。
17、前述的一种有锚框的红外舰船旋转目标检测方法中，上下文信息的获取过程为：对原始输入特征张量ci进行下采样和1*1卷积，生成q、k和v，其空间大小为c′×w×h，c′＜c；
18、然后对q和k通过affinity操作来生成a，空间大小为(h+w-1)×w×h；a具体的生成过程为：对于在特征图上的任意位置u，提取c′个通道的特征，形成qu，空间大小为(1×)c′；然后重复进行上述操作，提取十字位置上特征向量，记为θu，向量空间大小为(h+m-j)×c、；
19、然后进行affinity操作，得到d,空间大小为(h+w-1)×w×h,对d的(h+w-1)维度进行softmax操作，得到上下文信息a，空间大小为(h+w-1)×w×h；
20、最后对a和v进行aggregation操作后再加和，得到上下文信息。
21、前述的一种有锚框的红外舰船旋转目标检测方法中，fam结构的具体操作过程为：通过对多级特征进行上采样获得特征图在特征对齐之前，将与浅层特征图c′i连接，使得c′i和的位置信息获得偏移，并且每个偏移值被视为对应位置之间的距离；
22、fam结构中特征对齐过程的公式为：
23、
24、
25、
26、其中，fu包括上采样、级联和通道压缩操作；fo是一种卷积运算，通过卷积来学习和c′i之间的偏移δi；使用fdcn来对齐和δi。
27、与现有技术相比，本专利技术采用基于锚框的边界框预测策略，使用resnet-50模型进行特征提取，使用特征增强金字塔来平衡不同层次的特征并学习全局上下文信息来增强浅层特征，融合不同尺度下的特征图中的特征，得到最终目标的多尺度提取特征；最后，通过有锚旋转检测框将定向rpn提取定向建议，并通过旋转roialign获得输出的特征映射，确定有向旋转边界框。实现了检测尺度小且具有区分性的旋转目标特征，这些特征使得网络可以检测图像中的旋转目标，更精确地定位船舶目标，提高定位精度，提高红外舰船的探测性能。
28、综上所述，本专利技术具有能够有效提高对于红外舰船的探测性能以及能够精确定位船舶目标的特点。
29、与现有旋转目标检测器相比，对比r-retinanet，精度提高了6.3％map50；对比s2a-net精度提高了3.6％map50。
本文档来自技高网...【技术保护点】
1.一种有锚框的红外舰船旋转目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种有锚框的红外舰船旋转目标检测方法，其特征在于：特征提取网络单元所得到的不同尺度下的特征图为ResNet-50模型最后三个阶段输出的多级特征映射图C3、C4和C5。
3.根据权利要求1所述的一种有锚框的红外舰船旋转目标检测方法，其特征在于：特征融合单元的具体步骤如下：首先，将多级特征映射图C5、C4和C3按照从底层到顶层的特征金字塔的不同级别分为多级特征P5、P4和P3；使用FAM结构将P5与P4对齐并连接，得到P4'；然后，使用FAM结构将P4与P3对齐并连接，获得P3'；最后，对P3'进行双线性插值处理和SEM结构增强空间信息处理，得到重建的特征图R2'。
4.根据权利要求3所述的一种有锚框的红外舰船旋转目标检测方法，其特征在于：重建的特征图的具体计算公式如下：
5.根据权利要求3所述的一种有锚框的红外舰船旋转目标检测方法，其特征在于，SEM结构的具体处理过程为：首先，输入特征张量Ci,空间大小为C×W×H；然后，获取上下文信息并添加
6.根据权利要求5所述的一种有锚框的红外舰船旋转目标检测方法，其特征在于，上下文信息的获取过程为：对原始输入特征张量Ci进行下采样和1*1卷积，生成Q、K和V，其空间大小为C′×W×H,C′＜C；
7.根据权利要求3所述的一种有锚框的红外舰船旋转目标检测方法，其特征在于，FAM结构的具体操作过程为：通过对多级特征进行上采样获得特征图在特征对齐之前，将与浅层特征图C′i连接，使得C′i和的位置信息获得偏移，并且每个偏移值被视为对应位置之间的距离；
...【技术特征摘要】
1.一种有锚框的红外舰船旋转目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种有锚框的红外舰船旋转目标检测方法，其特征在于：特征提取网络单元所得到的不同尺度下的特征图为resnet-50模型最后三个阶段输出的多级特征映射图c3、c4和c5。
3.根据权利要求1所述的一种有锚框的红外舰船旋转目标检测方法，其特征在于：特征融合单元的具体步骤如下：首先，将多级特征映射图c5、c4和c3按照从底层到顶层的特征金字塔的不同级别分为多级特征p5、p4和p3；使用fam结构将p5与p4对齐并连接，得到p4'；然后，使用fam结构将p4与p3对齐并连接，获得p3'；最后，对p3'进行双线性插值处理和sem结构增强空间信息处理，得到重建的特征图r2'。
4.根据权利要求3所述的一种有锚框的红外舰船旋转目标检测方法，其特征在于...
【专利技术属性】
技术研发人员：陈国强，叶飞，程文明，麻斌鑫，张国财，魏振兴，
申请(专利权)人：浙江航天润博测控技术有限公司，
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。