[发明专利]一种基于改进YOLOv7的舰船光学图像尾迹检测方法

说明书

本发明公开了一种基于改进YOLOv7的舰船光学图像尾迹检测方法，包括以下步骤：S1、获取舰船尾迹光学遥感图像集；S2、对所述舰船尾迹光学遥感图像集进行预处理和标记，建立训练集和测试集；S3、对改进YOLOv7网络进行建模；S4、利用所述训练集训练所述改进YOLOv7网络直至收敛；S5、将待分析的舰船尾迹光学遥感图像输入至收敛后的改进YOLOv7网络，输出舰船尾迹的检测结果。

技术领域

本发明涉及一种基于改进YOLOv7的舰船光学图像尾迹检测方法，属于海洋工程和计算机视觉领域。

背景技术

作为航行中的舰船在遥感图像中最为明显的特征，舰船尾迹的空间尺度远大于舰船本身，且隐含着舰船航速等关键信息，因此对舰船尾迹的识别与分析具备重要的经济和军事意义。

目前，舰船尾迹检测技术主要包括两类——基于微波遥感的尾迹检测技术和基于光学遥感的尾迹检测技术。其中，基于微波遥感的尾迹检测技术的基本理论是：舰船尾迹与毛细重力波之间的相互作用导致海面粗糙度发生变化，从而改变了合成孔径雷达发出的雷达波在海面处的散射特性，进而影响了雷达回波强度。微波遥感虽然有分辨率较低的局限性，但尾迹具备高信噪比，再加之相关技术起步较早，因此现有的尾迹检测算法大部分针对微波遥感图像设计。例如，基于Radon变换的尾迹检测技术，可将微波遥感图像上的舰船尾迹线条转换为Radon变换域上的峰值点或谷值点，其本身及衍生算法以其易实现性和高可用性被广泛应用于微波遥感尾迹检测任务中。相比之下，由于光学遥感图像分辨率高，其中的尾迹纹理特征丰富、信噪比低，基于光学遥感的尾迹检测技术仍有待发展。现有的一些研究希望将Radon变换等经典算法移植到光学遥感图像处理中，但常由于海面杂波等因素的干扰出现误报，进而要求算法在预处理阶段有大量的人工干预，极大地限制了算法的泛化性和鲁棒性。总之，现有算法已经难以满足日益增长的光学图像尾迹检测需求，亟需开发一种性能更优、自动化程度更高的光学图像尾迹检测方法。

近年来，随着以YOLO系列算法为代表的基于深度学习的目标检测算法的理论更新与技术迭代，其解决复杂背景下特定问题的能力已获得大幅改善。再加之随着各类光学遥感图像公开数据集的涌现，采集到神经网络模型训练所需的大量舰船尾迹光学遥感图像也成为了可能。因此，使用改进的YOLOv7算法对光学图像中的舰船尾迹进行检测已具备充分的理论与现实基础。

发明内容

本发明的主要目的即在于提出一种基于改进YOLOv7的舰船光学图像尾迹检测方法，以解决现有的基于光学遥感图像的舰船尾迹检测方案泛化性和鲁棒性较低的问题。

为达上述目的，本发明提出以下技术方案：

一种基于改进YOLOv7的舰船光学图像尾迹检测方法，包括以下步骤：S1、获取舰船尾迹光学遥感图像集；S2、对所述舰船尾迹光学遥感图像集进行预处理和标记，建立训练集和测试集；S3、对改进YOLOv7网络进行建模；S4、利用所述训练集训练所述改进YOLOv7网络直至收敛；S5、将待分析的舰船尾迹光学遥感图像输入至收敛后的改进YOLOv7网络，输出舰船尾迹的检测结果。

进一步地，步骤S1包括：在谷歌地图上寻找并获取一系列不同海域、不同季节、不同舰型的RGB舰船尾迹遥感图像，以完成舰船尾迹光学遥感图像集的采集。

进一步地，步骤S2包括：对舰船尾迹光学遥感图像进行导向滤波，随后标记导向滤波后的尾迹信息。

进一步地，所述导向滤波用于对所述舰船尾迹光学遥感图像进行保边平滑去噪处理，以滤除水面杂波，其表达式为：

其中，

其中，Tk为导向滤波处理后的图像，I_k为所述舰船尾迹光学遥感图像，为所述舰船尾迹光学遥感图像经过均值滤波后得到的低频分量，∈为正则化变量，Var(·)表示求方差。

进一步地，所述尾迹信息包括尾迹的有向包围盒，所述有向包围盒表示为：