[发明专利]一种高效率的单幅遥感影像目标检测方法及系统

说明书

本发明提供一种高效率的单幅遥感影像目标检测方法及系统，包括以下步骤：S10、获取遥感影像，将其作为原图；S20、将所述原图裁剪成多个子图；S30、创建树形链表，记录所述原图与各子图的对应关系；S40、采用解译模型对各子图进行目标检测，得到每个子图的解译结果；S50、按照所述树形链表记录的所述对应关系，将解译结果进行拼接，完成遥感影像目标检测。本发明的优点在于：将遥感影像作为原图，裁剪成多个子图进行解译，将每个子图的目标检测的解译结果进行拼接，完成遥感影像目标检测，提高遥感影像解译速度。

技术领域

本发明涉及遥感影像处理技术领域，具体地涉及高效率的单幅遥感影像目标检测方法及系统。

背景技术

基于深度学习的目标检测技术，国内外的研究已经非常成熟；在遥感影像的处理方面，有若干应用案例，如飞机、舰船、车辆或建筑物等目标的检测。但是遥感影像具有单幅影像的像素巨大的特点，以目前的单节点GPU部署解译方式，解译的耗时很长。以一个2000平方千米的县城为例，解译其1米分辨率的影像，选取性能较高的“NVIDIA Tesla P100”型号GPU，需要耗时10分钟，难以为用户接受。

对于需要加快遥感影像的解译速度，最常规的做法就是增加GPU的计算节点，提高集群的计算吞吐量。但是用户最常见的需求，是在单位时间内尽可能快速地将单幅影像解译出来。一味的增加GPU计算节点，而无法将所有的GPU计算力在单位时间内集中于一幅影像，并不能加快集群的响应速率。

发明内容

本发明要解决的技术问题，在于提供一种高效率的单幅遥感影像目标检测方法及系统，提高遥感影像的解译速度。

本发明是这样实现的：一种高效率的单幅遥感影像目标检测方法，包括以下步骤：

S10、获取遥感影像，将其作为原图；

S20、将所述原图裁剪成多个子图；

S30、创建树形链表，记录所述原图与各子图的对应关系；

S40、采用解译模型对各子图进行目标检测，得到每个子图的解译结果；

S50、按照所述树形链表记录的所述对应关系，将解译结果进行拼接，完成遥感影像目标检测。

进一步地，所述步骤S20，采用滑动窗口算法将所述原图裁剪成多张子图，具体包括：

S21、创建裁剪图框A，作为滑动窗口；

S22、采用所述滑动窗口在所述原图上按照设定步长s逐行滑动，设定每行的滑动窗口之间偏移量p，在所述原图上裁剪出k个子图，其中第i行第j个子图表示为子图B[i,j]，所述滑动窗口的长与宽分别表示为l与w，s＝x*l，p＝x*w，x取值为0.5-0.8。

进一步地，所述步骤S30后还包括步骤S31：

预设指定像素，所述指定像素的长与宽分别为m与n；

如果所述l≤m且所述w≤n，则进入步骤S40；如果所述l＞m或所述w＞n，则创建截剪图框A₁，所述截剪图框A₁的长与宽分别为m₁与n₁，m₁l，n₁w，然后将所述子图B[i,j]作为所述原图，将所述截剪图框A₁作为所述滑动窗口，进入所述步骤S22。

进一步地，所述步骤S40后还包括步骤S41：

采用NMS算法对全部子图的解译结果进行去重操作。

进一步地，所述步骤S20具体为：利用流程调度器将所述原图裁剪成多个子图；

所述步骤S30具体为：流程调度器创建树形链表，记录所述原图与各子图的对应关系；