基于改进的Mask R-CNN机场跑道遥感影像目标检测分割方法技术

本发明专利技术公开了基于改进的Mask R‑CNN机场跑道遥感影像目标检测分割方法，包括：S1、创建网络模型：基于Mask R‑CNN网络进行改进得到网络模型；S2、获取机场跑道遥感影像数据集对获取的机场跑道遥感影像进行标注，并转换为可用于Mask R‑CNN网络训练的样本数据集；S3、将样本数据集划分为训练集和测试集，然后通过训练集对网络模型进行训练，并通过测试集测试训练结果，得到满足性能要求的训练后的网络模型；S4、将训练后的网络模型用于机场跑道遥感影像的自动识别，将机场跑道遥感影像输入至网络模型中实现跑道的识别和分割。本方案中的机场跑道遥感影像目标检测和分割方法不仅检测和分割的精度更高，同时漏检率和误检更低，具有较高的有效性和实用性。

【技术实现步骤摘要】

本专利技术涉及深度学习的图像分割识别领域，特别涉及一种基于改进的mask r-cnn机场跑道遥感影像目标检测分割方法。

技术介绍

1、遥感图像的目标检测是当前图像处理领域的研究热点之一，机场作为国家重要的基础设施，是航空运输的关键组成，它承载着航空飞行器的起飞和降落等重要任务，起着极其重要的作用。然而，由于机场具有形状不同、背景复杂并且易受机场周边的道路和居民区等多种环境特征的干扰等问题，使得准确和实时的机场检测仍然存在问题和挑战。

2、传统遥感影像机场跑道的目标检测方法主要是基于视觉显著性方法。视觉显著性方法主要是利用跑道的平整度、表面均匀性、人字形标记等特点提取底层特征，如线性特征、纹理特征、形状特征等定位提取跑道。这种方法的主要问题在于依赖自定义阈值来识别特征，这些阈值通常基于特定数据集或条件设定，缺乏必要的灵活性和适应性，故在面对与原始训练或设定阈值不同的环境和条件时，这些阈值可能无法有效区分跑道和非跑道特征，增加了误报的风险。此外，传统的机场跑道目标检测方法往往会受限于特征表达能力和计算效率，无法满足复杂场景下的需求。

3本文档来自技高网...

【技术保护点】

1.基于改进的Mask R-CNN机场跑道遥感影像目标检测分割方法，其特征在于：包括如下步骤：

2.如权利要求1所述的基于改进的Mask R-CNN机场跑道遥感影像目标检测分割方法，其特征在于：

3.如权利要求1所述的基于改进的Mask R-CNN机场跑道遥感影像目标检测分割方法，其特征在于：

4.如权利要求2所述的基于改进的Mask R-CNN机场跑道遥感影像目标检测分割方法，其特征在于：RRoI Align在进行双线性插值时所选择的采样点是进行过坐标偏移的，通过RRoI Align层将这些旋转框在相对应的特征图上进行精准的映射。

5.如...

【技术特征摘要】

1.基于改进的mask r-cnn机场跑道遥感影像目标检测分割方法，其特征在于：包括如下步骤：

2.如权利要求1所述的基于改进的mask r-cnn机场跑道遥感影像目标检测分割方法，其特征在于：

3.如权利要求1所述的基于改进的mask r-cnn机场跑道遥感影像目标检测分割方法，其特征在于：

4.如权利要求2所述的基于改进的mask r-cnn机场跑道遥感影像目标检测分割方法，其特征在于：rroi align在进行双线性插值时所选择的采样点是进行过坐标偏移的，通过rroi align层将这些旋转框在相对应的特征图上进行精准的映射。

5.如权利要求2所述的基于改进的mask r-cnn机场跑道遥感影像目标检测分割方法，其特征在于：网络模型的损失函数包括分类损失和回归损失，其中回归损失函数添加角度回归损失，加入角度后的回归损失函数为：

6.如权利要求1-5任一所述的基于改进的mask r-cnn机场跑道遥感影像目标检测分割方法，其特征在于：主干特征提取网络中融入的注意力机制为c...

【专利技术属性】
技术研发人员：吴庆双，万猛，仲冠南，赵馨，
申请(专利权)人：安徽师范大学，
类型：发明
国别省市：