[发明专利]一种基于边缘候选区域提取的深度学习舰船目标检测方法

权利要求书

1.一种基于边缘候选区域提取的深度学习舰船目标检测方法，其特征在于，所述方法包括以下步骤：

步骤一，利用光学遥感图像生成对应的边缘真值、目标真值；

步骤二，利用所述光学遥感图像和对应的边缘真值，训练得到结构化随机森林边缘检测模型，并使用所述结构化随机森林边缘检测模型对训练数据集图像进行边缘提取，获得边缘检测结果图像；

步骤三，根据所述光学遥感图像和边缘检测结果图像生成灰度边缘融合图，利用所述灰度边缘融合图训练得到深度卷积神经网络模型；

步骤四，基于所述深度卷积神经网络模型对光学遥感测试图像进行舰船目标检测；

所述步骤一具体包括：

(1)对所述光学遥感图像进行二值化的真值标注，得到二值化遥感图像真值图；

(2)根据标注好的二值化遥感图像真值图生成边缘真值和目标真值，并建立训练数据集；

所述步骤四具体包括：

(1)将光学遥感测试图像输入训练好的结构化随机森林边缘检测模型中进行边缘检测，得到边缘图检测图I_e；

(2)对所述边缘检测图I_e进行形态学处理，得到形态学处理结果图I_m；

(3)对所述形态学处理结果图I_m进行连通区域检测，得到每个连通区域的左上点坐标、宽、高、面积信息[x,y,w,h,Area]，得到连通区域检测结果CR；

(4)根据所述连通区域检测结果CR的分布，提取候选区域；

(5)对所述光学遥感测试图像及所述边缘检测图I_e在候选区域范围进行截取并进行融合，得到候选区域的灰度边缘融合图，将所述候选区域的灰度边缘融合图输入所述深度卷积神经网络进行检测识别，得到每个候选区域中的目标检测结果；

(6)将多个候选区域中的所述目标检测结果合并，返回输入的光学遥感测试图像中，进行非极大值抑制操作，得到整幅光学遥感测试图像的舰船目标检测结果；

所述根据标注好的二值化遥感图像真值图生成边缘真值和目标真值包括：二值化遥感图像真值图中的舰船目标被逐像素标注，直接使用Canny算子对该二值图进行边缘检测，得到图像边缘真值图；对二值化遥感图像真值图进行连通区域检测，得到所有舰船目标的外接正矩形框，分别记录其左上点坐标及其宽高，每个矩形框得到一个四维数组(x,y,w,h)，每幅包含n个目标的遥感图像的目标真值为一个n×4矩阵；

所述步骤二包括：

a.生成训练集特征：首先对原始输入图像进行包括灰度特征和梯度特征在内的特征提取操作，其中，灰度特征为单通道或多通道的图像灰度，梯度特征包括原图像在四个方向上的梯度和总梯度；然后对提取到的特征进行降维，然后两两进行差异计算，得到差异特征；所述四个方向包括：水平方向、垂直方向、左上-右下方向、右上-左下方向；

b.利用提取到的特征信息及其对应的边缘真值对单个决策树分类器进行依次训练；

c.根据多个决策树分类器得到随机森林模型；

d.利用训练得到的结构化随机森林边缘检测模型对训练集中的光学遥感图像进行边缘提取，得到边缘检测结果图像；

根据所述连通区域检测结果CR的分布，提取候选区域，包括：

(d1)根据面积对每幅图像中的所有连通区域检测结果CR进行降序排序；

(d2)取面积最大的连通区域，以其为中心，在光学遥感测试图像上提取宽高分别为W_pps和H_pps的候选区域ppsR，得到其左上点坐标与宽高信息，并对剩余连通区域进行检测，将候选区域覆盖的所有连通区域从CR中删除；

(d3)判断此时是否有剩余的连通区域，即判断CR是否为空：若CR非空，返回并重复步骤(d2)～(d4)；若CR为空，则完成候选区域提取，停止并跳出此步骤。