[发明专利]一种基于多波段遥感图像融合的船舶目标识别方法及系统

说明书

本发明公开了一种基于多波段遥感图像融合的船舶目标识别方法及系统，方法包括如下步骤：获取经过多波段配准的多波段遥感图像，通过卷积神经网络提取多个波段的遥感图像特征，基于生成式模型，通过不断反向传播，不断更新融合图像的像素，达到最佳效果后，输出融合后的图像给船舶目标检测步骤；接收多波段图像融合步骤输出的融合后的图像，基于一个端到端的目标检测网络，完成对融合图像中船舶目标的检测，输出船舶目标的切片图像和船舶类别的粗分类结果给船舶目标识别步骤；获取船舶目标检测步骤输出的船舶目标的切片图像，经过精细化判别网络后，输出船舶类别的最终识别结果。本发明强化了船舶目标的特征，弥补了单一波段成像易受干扰的缺陷。

技术领域

本发明涉及一种基于多波段遥感图像融合的船舶目标识别方法及系统，属于多波段图像融合技术、目标检测和目标识别技术领域。

背景技术

随着遥感技术的不断进步，光学遥感图像的质量也在不断提高，对遥感图像进行合理而充分地利用，既对土地资源管理、城市建设规划和生态环境保护等民用方面有所贡献，也对军事方面有所帮助。遥感图像具有丰富的地物纹理信息，因此，对遥感图像进行目标识别是航空和卫星图像分析领域中的重要问题。船舶目标识别技术由于海洋表面的大气、光照、云层、岛屿等不确定性条件，传统的船舶识别方法识别精度低、稳定性差，因此研究一种高精度、高稳定性的船舶识别技术具有十分重要的价值。

现有的光学遥感图像船舶目标识别技术，特别是基于深度学习来开展的研究工作，采用的方法多为：对输入的光学遥感图像，直接利用卷积神经网络，提取图像的深度特征，构建分类器，利用特征进行分类和回归，得到船舶目标所在区域的外接矩形坐标和船舶目标的类别。

发明内容

现有的光学遥感图像船舶目标识别方法，大多是基于单一波段图像的，能利用的信息相对较少，船舶识别的精度不高，且易受光照、云雾等因素干扰，船舶识别的鲁棒性不高。本发明的目的在于，克服现有技术存在的技术缺陷，解决上述技术问题，提出一种基于多波段遥感图像融合的船舶目标识别方法及系统，该方法和系统充分利用多波段图像信息，对多个波段的遥感图像进行融合，增加了图像中的有效信息量，强化了船舶目标的特征，同时弥补了单一波段成像易受干扰的缺陷，相比单一波段的船舶目标检测方法具有更高的精准度和鲁棒性。

本发明具体采用如下技术方案：一种基于多波段遥感图像融合的船舶目标识别方法，包括如下步骤：

多波段图像融合步骤，具体包括：获取经过多波段配准的多波段遥感图像，通过卷积神经网络提取多个波段的遥感图像特征，基于生成式模型，通过不断反向传播，不断更新融合图像的像素，达到最佳效果后，输出融合后的图像给船舶目标检测步骤；

船舶目标检测步骤，具体包括：接收所述多波段图像融合步骤输出的融合后的图像，基于一个端到端的目标检测网络，完成对融合图像中船舶目标的检测，输出船舶目标的切片图像和船舶类别的粗分类结果给船舶目标识别步骤；

船舶目标识别步骤，具体包括：获取所述船舶目标检测步骤输出的船舶目标的切片图像，经过精细化判别网络后，输出船舶类别的最终识别结果。

作为一种较佳的实施例，所述多波段图像融合步骤包括：通过一个卷积神经网络框架完成多波段遥感图像的融合，所述卷积神经网络包含特征提取网络和融合网络，具体包括：

首先，对输入的同一时相下的多波段遥感图像数据进行配准，得到像素对齐后的各波段图像；

然后，经过所述特征提取网络完成对各波段图像的深度特征提取，该所述特征提取网络为一个深度卷积神经网络，输入图像经过卷积后，可输出特征图；

其次，各波段特征图经过融合网络融合后，最终生成融合后的图像。