[发明专利]基于感兴趣区块提取的遥感图像舰船检测方法

权利要求书

1.一种基于感兴趣区块提取的遥感图像舰船检测方法，其特征在于，包括如下：

(1)构建光学遥感图像舰船检测数据集G：

1a)下载高分二号光学遥感数据，人工筛选出包含舰船目标的区域，用部分重叠的方式裁剪这些区域并保存；

1b)对1a)得到的所有图像随机进行上下左右翻转或旋转，得到扩增图像并保存；

1c)对扩增的图像用倾斜的矩形框进行标注，并将标注信息保存为xml格式文件，并用所有扩增图像和其对应的标注信息构成光学遥感图像舰船检测数据集G；

(2)对宽幅光学遥感图像进行下采样，利用基于暗通道先验的去雾算法减少图像上的云雾遮挡，得到增强图像I；

(3)利用上下文信息和图像全局特征对增强图像I进行水陆分割，提取感兴趣的水域区块，得到二值图：

(3a)利用像素的上下文特征信息对增强图像I作初步阈值分割，得到初步水陆分割二值图I₃；

(3b)标记初步水陆分割二值图I₃中水域连通域集合W＝{w₁,...,w_i,...,w_n}，其中w_i表示第i个水域连通域；标记初步水陆分割二值图I₃中陆地连通域集合L＝{l₁,...,l_j,...,l_m}，其中l_j表示第j个陆地连通域；提取每个水域连通域和陆地连通域的区域特征，根据判别规则对其类别进行重标定，得到增强图像I的优化水陆分割二值图I₄；

(3c)对优化水陆分割二值图I₄作形态学膨胀操作后，上采样恢复到原宽幅图像大小，得到最终水陆分割二值图I₅；

(4)采用随机多尺度策略训练基于卷积神经网络的SCRDet目标检测模型M₀，得到训练后的检测模型M；具体实现如下：

4a)将构建的光学遥感图像舰船检测数据集G的90％作为训练样本，剩余10％作为测试样本；

4b)随机选取训练样本中的一幅训练图像和其对应的标注，随机上下或左右翻转图像及标注得到变换图像X和真实标注Y；

4c)随机从[600,700,832]中选定某一尺度作为图像的短边长度，将变换图像X和真实标注Y按比例放缩到选定的尺度后，输入到SCRDet模型M₀中，得到预测结果Y'；

4d)计算预测结果Y'与真实标注Y之间的误差，使用优化器Adam最小化误差以更新SCRDet模型M₀的权重参数；

4e)重复4b)-4d)，当训练轮数达到200000时，得到训练后的检测模型M；

(5)利用最终水陆分割二值图I₅，在原宽幅图像上用部分重叠的滑动窗口提取感兴趣区块作为待检测区域，构成待检测区域图像集合为F＝{f₁,...,f_i,...,f_u}、位置集合为其中f_i表示第i个检测区域，s_i表示检测区域f_i的左上角坐标，将待检测区域图像集合F输入到检测模型M中，得到每个区域f_i的区域检测结果；

(6)根据位置集合S将区域检测结果映射到原宽幅图像尺度上，得到初步检测结果集合其中Pⁱ、分别表示初步检测的第i个检测框的类别、位置坐标、置信度分数；对初步检测结果集合A作改进的非极大值抑制，得到一次优化检测结果集合其中Qⁱ、分别表示一次优化的第i个检测框的类别、位置坐标、置信度分数；

(7)根据舰船的结构特征对一次优化检测结果集合B进行二次优化，得到最终检测结果集合其中Rⁱ、分别表示最终生成的第i个检测框的类别、位置坐标、置信度分数。