[发明专利]一种结合旋转框和上下文信息的卫星图像舰船检测方法

权利要求书

1.一种结合旋转框和上下文信息的卫星图像舰船检测方法，其特征在于包括以下步骤：

步骤1，搭建舰船检测网络模型，包括密集连接网络、候选边界框生成网络和多区域全连接网络；

步骤2，采用颜色变换、尺度变换和角度变换扩充训练数据集的样本图像数目，并对扩充后样本进行标注；

步骤3，利用密集连接网络对扩充后样本集的样本进行局部线性和非线性变换，包括卷积、池化、批归一化和修正线性单元激活函数运算，得到具有高语义信息的特征图；其中，密集连接网络采用DenseNet-121网络，且仅使用前4个密集连接块；

步骤4，利用候选边界框生成网络在特征图的每个位置生成多个不同尺度、不同纵横比和不同角度的默认候选边界框，然后分别对默认候选边界框进行二分类、边框回归和位置调整，得到调整后的候选边界框；具体为：

使用数据集中舰船目标的尺度分布、纵横比分布和角度分布，利用候选边界框生成网络在特征图的每个位置生成3个不同尺度、3个不同纵横比和3个不同角度的默认边界候选框，即每个位置产生27个不同的默认候选边界框，分别将每一个默认候选边界框依次经过一个3×3卷积层以及两个单独的1×1卷积层进行二分类和边框回归，再进行位置调整，得到调整后的候选边界框；

步骤5，利用多区域全连接网络将每个调整后的候选边界框的外部特征、内部特征以及候选边界框自身特征进行级联，级联后进行分类和回归，得到训练样本的舰船检测结果；具体为：

利用多区域全连接网络将每个候选边界框选取3个不同区域，第1个区域是原始的候选边界框，被用于获取整个舰船目标的特征；第2个区域是原始候选边界框的中央区域，通过将候选边界框的长和宽乘以一个0.8的因子获取，被用于获取舰船目标中央的特征；第3个区域是原始候选边界框的结合上下文的区域，通过将候选边界框的长和宽乘以一个1.2的因子获取，被用来获取舰船目标周围的信息；将选取的3个区域分别提取对应的特征，每个特征分别经过池化以及两个全连接层得到固定长度的特征向量，将三个特征向量级联后进行分类和回归得到舰船检测结果；

步骤6，基于训练样本的舰船检测结果与训练样本真实值，计算损失函数，若损失函数收敛，则得到训练好的舰船检测网络模型，否则，返回步骤3，继续训练模型；

步骤7，将待检测图像输入训练好的舰船检测网络模型，得到舰船检测结果。

2.根据权利要求1所述的一种结合旋转框和上下文信息的卫星图像舰船检测方法，其特征在于，步骤2中的颜色变换具体为：

计算大规模图像数据集中所有图像RGB三通道的协方差矩阵，得到协方差矩阵的特征值λ₁、λ₂、λ₃和协方差矩阵的特征向量p₁、p₂、p₃；对于训练数据集里的每张样本图像，将每个像素都加上ε₁λ₁p₁+ε₂λ₂p₂+ε₃λ₃p₃，得到颜色变换后的图像，其中，三元组ε₁，ε₂，ε₃随机采样自正态分布N(0；0.1)。