[发明专利]一种基于PSPNet网络的飞机起降跑道识别方法

权利要求书

1.一种基于PSPNet网络的飞机起降跑道识别方法，其特征在于，包括如下步骤：

S100：构建PSPNet网络:所述PSPNet网络根据对图像的处理流程依次包括如下部分：

包括两个主干特征提取网络,所述两个主干特征提取网络分别用于提取特征图；所述两个主干特征提取网络为采用残差网络ResNet与轻量级深层神经网络MobileNetV2；所述采用残差网络ResNet与轻量级深层神经网络MobileNetV2分别对输入图像进行特征提取得到两张特征图；

包括两个加强特征提取模块,所述两个加强特征提取模块分别用于对主干特征提取网络提取的特征图进行进一步特征提取；将由残差网络ResNet获取的特征图划分成2×2和1×1尺度大小的区域处理，将由轻量级深层神经网络MobileNetV2得到的特征图划分成9×9，6×6和3×3尺度大小的区域处理；

设经主干特征提取网络得到的特征层为90×90×480，对于9×9区域，需使平均池化步长stride＝90/9＝10，卷积核大小kernel_size＝90/9＝10；对于6×6区域，需使平均池化步长stride＝90/6＝15，卷积核大小kernel_size＝90/6＝15；对于3×3区域，需使平均池化步长stride＝90/3＝30，卷积核大小kernel_size＝90/3＝30；对于2×2区域，需使平均池化步长stride＝90/2＝45，卷积核大小kernel_size＝90/2＝45；对于1×1区域，需使平均池化步长stride＝90/1＝90，卷积核大小kernel_size＝90/1＝90，在进入最后的卷积层时，以两个主网络提取的特征图替换PSPNet网络中一个主网络所提取的特征图与PSPNet网络的金字塔池化模块输出的上采样结果组合后作为PSPNet网络的卷积层的输入；

包括上采样模块，所述上采样模块用于还原原始图像分辨率；

包括尺寸统一模块，所述尺寸统一模块用于将两个加强特征提取模块提取的加强特征尺寸统一化处理；

包括数据串联模块，所述数据串联模块用于对经过尺寸统一模块处理后的两个加强特征进行串联；

包括卷积输出模块，所述卷积输出模块用于对数据串联模块处理后的数据进行卷积后输出；

S200：训练PSPNet网络，具体训练过程如下：

S210：构建训练数据集：

采集N张光学遥感数据图像，对N张光学遥感数据图像中选择部分能够满足飞机起降特定地形的图像进行放大、截取，并进行数据集标注，即标注飞机的起飞降落的跑道位置和区域大小，所有标注后的图像作为训练样本，所有训练样本构成训练数据集；

S220：初始化PSPNet网络中的参数；

S230：将训练集中的所有训练样本输入PSPNet网络中，对PSPNet网络进行训练；

S240：计算损失函数，计算训练样本输入PSPNet网络后的得到的预测结果与训练样本标签之间的交叉熵，即计算预测图像中围成飞机起飞降落跑道区域的所有像素点与训练样本中标注飞机起飞降落跑道的所有像素点之间的交叉熵；通过反复迭代训练，并自动调整学习率，当损失函数值不再下降时，得到最优的网络模型；

S300：待检测图像检测，将待检测图像输入训练好的PSPNet网络中进行预测，对预测出的像素点用红色填充，输出预测结果，所述的红色填充的所有像素点围成的区域即是飞机起飞降落的跑道区域。