[发明专利]遥感图像舰船检测方法、装置、设备及其存储介质在审

专利信息
申请号: 201811316955.2 申请日: 2018-11-07
公开(公告)号: CN111160065A 公开(公告)日: 2020-05-15
发明(设计)人: 梁新;王淑艳;李淑敏 申请(专利权)人: 中电科海洋信息技术研究院有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62;G06N3/04;G06N3/08
代理公司: 北京志霖恒远知识产权代理事务所(普通合伙) 11435 代理人: 郭栋梁
地址: 572427 海南省陵水县英*** 国省代码: 海南;46
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 遥感 图像 舰船 检测 方法 装置 设备 及其 存储 介质
【权利要求书】:

1.一种基于深度学习的遥感图像舰船检测方法,其特征在于,该方法包括:

获取待检测的遥感图像;

对所述遥感图像进行处理得到输入图像;

将所述输入图像输入到预先构建的目标检测模型得到目标检测结果,所述目标检测模型是基于深度学习算法训练得到的,所述目标检测结果至少包括预测目标物为舰船的条件概率和所述预测目标物为舰船的置信度。

2.根据权利要求1所述的方法,其特征在于,所述对所述遥感图像进行处理至少包括:

对所述遥感图像进行滑动窗口处理得到输入图像集合,所述输入图像集合包括所述滑动窗口与所述遥感图像具有重叠区域的所有子图像。

3.根据权利要求2所述的方法,其特征在于,对所述遥感图像进行滑动窗口处理得到输入图像集合,包括:

将所述滑动窗口按照预设步长在所述遥感图像上移动,所述预设步长满足小于所述滑动窗口的条件;

截取所述滑动窗口与所述遥感图像具有重叠区域的图像部分作为所述子图像。

4.根据权利要求3所述的方法,其特征在于,该方法还包括:

根据所述置信度与第一预设阈值的比较结果,输出所述预测目标物为舰船的第一候选框集合;

对所述第一候选框集合进行第一非极大值抑制处理,得到第二候选框集合。

5.根据权利要求4所述的方法,其特征在于,在得到第二候选框集合之后,该方法还包括:

对所述第二候选框集合进行第二非极大值抑制处理,得到最后的检测结果。

6.根据权利要求5所述的方法,其特征在于,对所述第二候选框集合进行第二非极大值抑制处理,包括:

确定所述第二候选框集合中所述置信度的最大值所对应的候选框为比较对象;

选择所述第二候选框集合中任一个其他候选框作为第二候选框,所述其他候选框不包括所述比较对象;

计算所述第二候选框与所述比较对象的交集面积和并集面积的比值;

将所述比值与第二预设阈值进行比较;

若所述比值超过所述第二预设阈值,则删除所述第二候选框;

若所述比值低于所述第二预设阈值,则保留所述第二候选框;

重复上述步骤直到确定所述第二候选框集合中唯一的最佳候选框,作为最终的检测结果。

7.根据权利要求6所述的方法,其特征在于,该方法还包括构建目标检测模型的步骤,该步骤包括:

获取预设数值的历史遥感图像;

对所述历史遥感图像进行预处理;

将预处理后的结果划分为训练集和验证集;

按照YOLOv2算法对所述训练集进行训练学习得到所述目标检测模型;以及

利用所述验证集确定所述目标检测模型的参数。

8.根据权利要求7所述的方法,其特征在于,所述预处理至少包括:

基于所述历史遥感图像确定样本图像集合;

对所述样本图像集合中每一张样本图像进行标注,生成标签文件;

对所述样本图像集合中的每一张样本图像进行角度旋转处理;

对所述标签文件中每一张图像按照变换公式进行角度旋转处理。

9.一种基于深度学习的遥感图像舰船检测装置,其特征在于,该装置包括:

图像获取单元,用于获取待检测的遥感图像;

图像处理单元,用于对所述遥感图像进行处理得到输入图像;

目标检测单元,用于将所述输入图像输入到预先构建的目标检测模型得到目标检测结果,所述目标检测模型是基于深度学习算法训练得到的,所述目标检测结果至少包括预测目标物为舰船的条件概率和所述预测目标物为舰船的置信度。

10.根据权利要求9所述的装置,其特征在于,所述图像处理单元至少包括:

滑动处理子单元,用于对所述遥感图像进行滑动窗口处理得到输入图像集合,所述输入图像集合包括所述滑动窗口与所述遥感图像具有重叠区域的所有子图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中电科海洋信息技术研究院有限公司,未经中电科海洋信息技术研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811316955.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top