[发明专利]一种面向深度学习的遥感图像目标样本生成方法

说明书

本发明公开了一种面向深度学习的遥感图像目标样本生成方法，属于遥感技术领域。该方法包括样本切片提取、在实测遥感影像切片中标注目标的位置和类别、生成遥感图像目标样本集、基于信息熵对遥感图像目标样本集进行评价、根据评价结果对遥感图像目标样本集进行取舍等步骤。本发明具有效率高、样本描述性强、鲁棒性好等特点，适合用于可见光遥感影像的目标检测、目标定位、目标识别的样本准备预处理等应用领域。

技术领域

本发明涉及遥感、深度学习以及目标识别等技术领域，特别是指一种面向深度学习的遥感图像目标样本生成方法。

背景技术

在遥感领域中可以进行训练样本增广的方法主要有如下几种，但它们在性能和效率上均存在某些缺陷：

（1）直接进行滑窗提取的方法，根据滑窗的大小和幅度获得相应的目标图像数据。该方法最简单，但是目标形态并未变化，对于后续特征学习的帮助较少，且背景信息缺失。

（2）直接对图像进行镜像变换。该方法保留了目标和背景的所有信息，但是目标变化较小，对后续特征学习帮助较少。

（3）对图像进行重采样。该方法可以获得目标更加抽象的特征，但是其部分细节特征丧失，不利于提高检测识别准确率。

发明内容

本发明的目的在于避免上述背景技术中的不足之处而提供一种面向深度学习的遥感图像目标样本生成方法，其具有高效率、高准确率、较好的鲁棒性等特点，适合用于可见光遥感图像目标检测识别等领域。

为了实现上述目的，本发明采用的技术方案为：

一种面向深度学习的遥感图像目标样本生成方法，其包括以下步骤：

（1）通过宽幅遥感影像进行样本切片提取，获得包含目标的实测遥感影像切片；

（2）在实测遥感影像切片中标注目标的位置和类别；

（3）根据标注后的实测遥感影像切片，生成遥感图像目标样本集；

（4）基于信息熵对步骤（3）生成的遥感图像目标样本集进行评价；

（5）根据步骤（4）的评价结果对遥感图像目标样本集进行取舍，若遥感图像目标样本集不符合要求，则删除该遥感图像目标样本集，并返回步骤（3）中重新生成新的遥感图像目标样本集。

具体的，所述步骤（3）包括：

（301）根据角度旋转参数，对实测遥感影像切片进行等角度逆时针旋转，制作同一目标不同角度的样本集；

（302）根据噪声密度参数，对实测遥感影像切片添加不同密度的噪声，制作同一目标不同成像条件下的样本集；

（303）根据灰度变换幅度，对实测遥感影像切片进行不同亮度变换和成像对比度变换，制作同一目标不同亮度、不同对比度的样本集；

（304）根据剪切变换幅度，对实测遥感影像切片进行随机剪切，使其展示的是目标的随机部位成像，制作同一目标部位随机剪切的样本集；

（305）根据云层遮挡密度和云大小参数，对实测遥感影像切片进行不同大小和透明度的云层的随机遮挡，制作同一目标随机遮挡的样本集；

（306）将步骤（301）～（305）中各样本集中的样本进行排列组合，形成体现对同一目标拍摄过程的遥感图像目标样本集。

具体的，所述步骤（4）包括：

（401）计算包含同一目标的各实测遥感影像切片的信息熵；

（402）计算对应于步骤（401）所述目标的遥感图像目标样本集的信息熵；