融合认知特征的遥感图像旋转小目标检测方法技术

本发明专利技术属于图像处理技术领域，特别涉及一种融合认知特征的遥感图像旋转小目标检测方法。包括：将遥感图像输入预先建立和训练好的目标检测模型，检测图像中所有小目标的位置信息，并预测小目标类别，实现小目标检测；所述目标检测模型以单阶段旋转目标检测网络S<supgt;2</supgt;A‑Net作为基础目标检测框架，通过引入物理认知特征提取模块和认知特征与深度特征融合模块，提升目标拓扑结构特性表征能力，进而提高遥感低分辨观测条件下少样本复杂场景弱小目标的检测准确率，并降低虚警率。本发明专利技术的方法提升了目标拓扑结构特性表征能力，提高了遥感低分辨观测条件下少样本复杂场景弱小目标的检测准确率，同时降低了虚警率。

【技术实现步骤摘要】

本专利技术属于图像处理，特别涉及一种融合认知特征的遥感图像旋转小目标检测方法。

技术介绍

1、目标检测分类旨在从给定的场景图像或视频中精确找到目标对象所在位置，并标注出目标的类别，准确描述目标的位置和类别信息。目前，国内外学者针对遥感图像目标检测分类方法开展了大量研究，根据特征提取方法的不同，主要可以分为2大类，即基于手工设计特征的传统方法、基于深度学习的方法。

2、(1)基于手工设计特征的传统方法

3、传统的目标检测分类方法主要依赖手工设计特征提取器和分类器来实现目标检测任务。常用的手工设计特征有灰度统计特征(如直方图、hog等)、几何结构特征(如sift、surf等)、变换特征(fft、hough变换、小波变换等)和代数特征(如pca、ica等)。例如，孙瞧等人提出了基于方向梯度直方图(hog)和支持向量机(svm)的舰船检测分类方法；姬晓飞等人提出了基于尺度缩放不变特征(sift)和支持向量机(svm)的多目标检测分类算法。然而基于手工设计特征的目标检测分类识别方法受特征选择影响大，且特征表达能力较弱、泛化能力和鲁棒性较差，目本文档来自技高网...

【技术保护点】

1.一种融合认知特征的遥感图像旋转小目标检测方法，包括：

2.根据权利要求1所述的融合认知特征的遥感图像旋转小目标检测方法，其特征在于，所述S2A-Net包括依次连接的骨干网络、特征金字塔网络FPN、特征对齐模块FAM，以及定向检测模块ODM；其中，

3.根据权利要求2所述的融合认知特征的遥感图像旋转小目标检测方法，其特征在于，所述骨干网络采用ResNet网络，对输入的遥感图像I进行基础特征提取，生成图像基础特征图{C3、C4、C5}；

4.根据权利要求3所述的融合认知特征的遥感图像旋转小目标检测方法，其特征在于，所述特征对齐模块FAM包括锚框优化网络...

【技术特征摘要】

1.一种融合认知特征的遥感图像旋转小目标检测方法，包括：

2.根据权利要求1所述的融合认知特征的遥感图像旋转小目标检测方法，其特征在于，所述s2a-net包括依次连接的骨干网络、特征金字塔网络fpn、特征对齐模块fam，以及定向检测模块odm；其中，

3.根据权利要求2所述的融合认知特征的遥感图像旋转小目标检测方法，其特征在于，所述骨干网络采用resnet网络，对输入的遥感图像i进行基础特征提取，生成图像基础特征图{c3、c4、c5}；

4.根据权利要求3所述的融合认知特征的遥感图像旋转小目标检测方法，其特征在于，所述特征对齐模块fam包括锚框优化网络和对齐卷积层，通过锚框优化网络arn生成高质量的旋转锚框；并使用对齐卷积层acl自适应地将卷积特征与高质量旋转锚框对齐，其中，

5.根据权利要求...

【专利技术属性】
技术研发人员：陈红珍，张晗，李辰征，陈实，卞春江，
申请(专利权)人：中国科学院国家空间科学中心，
类型：发明
国别省市：