[发明专利]一种基于高光谱图像的海上舰船目标检测方法

权利要求书

1.一种基于高光谱图像的海上舰船目标检测方法，其特征在于：具体包括步骤：

S1，结合U-net，改进自动编码器，利用输出与输入约束性质，使用解码器的输出层数据作为生成的目标样本数据；

S2，数据预处理，制作训练数据对，从目标类和背景类中分别选择样本，来自同一类即相似类的标签为0，来自不同类即相异类的标签为1；

S3，输入深度网络提取特征，采用孪生网络思想，共享两路网络的权值，约束两路输出，学习样本光谱间的相似性和差异性；

S4，测试阶段使用投票策略，匹配未知样本，寻找与先验目标光谱相似的像素点；

步骤S1具体包括：

S101，选择高光谱数据图中所有可获取像素点作为训练样本，利用输出近似输入的性质，约束UAE网络的训练，提升网络的生成样本能力；

S102，选择某几个先验样本作为已知样本，作为测试样本，生成新的目标样本；为保证与背景样本间的数据平衡性，目标样本的数量为背景样本数量的二倍，生成大约1000个目标样本；

步骤S2具体包括：S201，对应1000个目标样本所属的目标类，随机选择500个背景样本点，作为背景类；

S202，分别从数据的目标点和背景点中选出一些样本，然后将同目标类的样本相互配对得到一组新的样本，我们把这组样本归为相似类，标记为0；相似地，由目标类和背景类之间的样本配对后得到的样本归为相异类，标记为1；这样就得到了数量非常充足的训练样本，使用训练集中的成对样本进行训练；

步骤S4具体包括：S401，对于一个待检测像素，将它与周围的像素进行配对，然后作为输入送入训练好的模型中；

S402，通过训练好的孪生网络鉴别已配对样本间的相似性和差异性，并给出相似性度量分数，网络的输出是一个C+1维的张量，每一行代表每一个像素对属于这些类别的概率；

S403，使用投票策略，结合相似性度量分数值，匹配待测样本与已知样本，给出待测样本标签。

2.根据权利要求1所述的一种基于高光谱图像的海上舰船目标检测方法，其特征在于：步骤S3具体包括：S301，在训练阶段使用孪生网络思想，通过两路输入共享网络权值，约束两路输出，达到如下目的：最小化来自相同类别的一对样本的损失函数值，最大化来自不同类别的一堆样本的损失函数值；

S302，训练过程中按照9:1的数量比划分训练集和验证集，及时监测网络的训练过程。