[发明专利]一种遥感影像小目标检测方法

权利要求书

1.一种遥感影像小目标检测方法，其特征在于：所述方法包括如下步骤：

步骤1：获取遥感影像后通过深度神经网络对遥感影像进行特征提取；

步骤2：利用特征图提取建议候选框，特征图仅提取大目标建议候选框；

步骤3：将特征图或者原始影像划分为若干个小的区域，然后将每个小区域对应的原始影像放大后重新通过深度神经网络进行特征提取得到若干个新的特征图；

步骤4：对步骤3中得到的特征图提取小目标的建议候选框；

步骤5：对步骤2和步骤4中提取出来的建议候选框进行汇总，然后进行分类，判断每个建议候选框属于哪个类别；

步骤6：对步骤5中每个建议候选框进行边框回归；

步骤7：将步骤6提取出来的建议候选框经过非极大值抑制后，统一在原始影像上输出坐标点。

2.如权利要求1所述的遥感影像小目标检测方法，其特征在于：所述深度神经网络包括VGG、ResNet或者Inception。

3.如权利要求2所述的遥感影像小目标检测方法，其特征在于：所述VGG包括五个池化层，所述五个池化层将整个VGG划分为五层不同大小的特征图。

4.如权利要求1所述的遥感影像小目标检测方法，其特征在于：所述步骤2中将整张图像作为一个检测区域，提取大目标的建议候选框。

5.如权利要求1所述的遥感影像小目标检测方法，其特征在于：所述步骤2和步骤4利用特征图提取建议候选框包括对提取的特征设定建议区域，然后使用设定的建议区域对所有特征层提取候选框，将所有特征层提取出来的候选框按照前景的置信度排序，再经过非极大值抑制后选出前景置信度最高的若干区域作为建议候选框。

6.如权利要求5所述的遥感影像小目标检测方法，其特征在于：所述预先设定的建议区域是通过在特征图上逐一滑动滑窗，得到不同宽高比的建议候选框。

7.如权利要求6所述的遥感影像小目标检测方法，其特征在于：所述特征图上每个点涵盖若干可能的建议候选框。

8.如权利要求1所述的遥感影像小目标检测方法，其特征在于：所述步骤5包括将提取出来的建议候选框，输送至全连接层，判断每个建议候选框属于哪个类别。

9.如权利要求1所述的遥感影像小目标检测方法，其特征在于：所述边框回归公式如下：

G_x＝P_wd_x(P)+P_x， (1)

G_y＝P_hd_y(P)+P_y， (2)

G_w＝P_wexp(d_w(P))， (3)

G_h＝P_hexp(d_h(P))， (4)

其中，公式(1)(2)表示平移变换，公式(3)(4)表示缩放变换；

P_x，P_y表示中心点的坐标，P_w，P_h表示宽高，d_x(P)，d_y(P)，d_w(P)，d_h(P)是四个微分变换，Δx＝P_wd_x(P)表示x轴的位置偏移量，Δy＝P_hd_y(P)表示y轴的位置偏移量；S_w＝exp(d_w(P))表示矩形框宽缩放的偏移量，S_h＝exp(d_h(P))表示矩形框高的缩放的偏移量；G_x，G_y表示变换后的中心点坐标，G_w，G_h表示变换后的宽和高。