[发明专利]一种基于局部直线匹配的遥感图像旋转舰船目标检测方法

说明书

本发明公开了一种基于局部直线匹配的遥感图像旋转舰船目标检测方法。本发明对目标进行子区域密集切分时增加了对舰船头尾和船身的标注，对测试图片上获取到的body子目标的中心点使用层次凝聚聚类进行局部子区域划分，减少干扰，然后对划分得到的局部区域利用霍夫变换进行直线检测，最后将直线检测后的点拟合成线段并将其与headtail子目标数据进行匹配，剔除虚警，完成对具有角度等特殊目标的检测。可以用于旋转舰船目标，有效降低检测结果的虚警率。

技术领域

本发明属于深度学习领域，具体涉及一种基于局部直线匹配的遥感图像旋转舰船目标检测方法。

背景技术

目前，目标检测已被广泛应用于军事和民用等领域中。深度卷积神经网络可以利用目标数据集对要检测的目标进行自主学习，并完善自己的模型。YOLO V5是一种单步目标检测算法，此算法不需要使用区域候选网络RPN来提取候选目标信息，而是直接将提取候选区和进行分类这两个任务融合到一个网络中，通过网络来产生目标的位置和类别信息，是一种端到端的目标检测算法。因此，单步目标检测算法具有更快的检测速度。

YOLO V5模型是采用分网格直接回归目标坐标和分类目标的方法进行目标检测，主要利用水平矩形边界框定义目标位置，通过边界框参数的回归对目标进行定位。这种方法对于待定位目标对象是人、小动物等小型目标时结果是足够准确的，但是对于目标对象是舰船、车辆、道路等具有角度或弧度等特殊的旋转目标是不适合的，针对此类旋转目标，可以使用基于密集子区域切割的方法进行检测，但由于舰船的长宽比较大的形态特点，检测结束后使用常规的子区域合并方法会导致虚警率较高。

发明内容

本发明针对现有技术的不足，提出一种基于局部直线匹配的遥感图像旋转舰船目标检测方法，该方法将舰船目标分为头尾headtail和船身body两个类别，通过对训练集中目标的headtail和body分别进行密集子区域切割来获取密集的子目标，进而使用YOLO V5算法对训练集进行训练。在测试集中首先利用训练好的YOLO V5模型获取到所有子目标的中心位置、长宽信息、置信度和类别信息，并利用非极大值抑制算法对围绕相同网格点的多个检测信息进行过滤；接着根据body子目标的中心点利用层次凝聚聚类进行局部子区域划分，去除干扰；然后在局部子区域中利用霍夫变换进行直线检测并拟合body子目标的候选线段；最后将候选线段与对应的headtail子目标数据进行匹配，剔除虚警，完成待测图像的目标检测。

步骤(1)、训练集数据预处理

利用图像标注工具对训练集图像中待检测的目标进行标注。首先获取图像中目标的中心点坐标(x,y)、目标的宽度w、高度h以及目标的角度信息angle。然后根据设置的切割步长step和目标的高度h，确定目标切割的子目标个数n：

n＝h/step+1

计算子目标的长度h_vec和宽度w_vec：

h_vec＝[h*cos(angle)/2,h*sin(angle)/2]

w_vec＝[w/2cos(3π/2+angle),w/2sin(3π/2+angle)]

根据目标的中心点坐标(x,y)与目标宽度w、高度h计算出目标的左上、右上、右下和左下四个顶点的坐标(x₁,y₁)，(x₂,y₂)，(x₃,y₃)，(x₄,y₄)：

接着根据子目标的个数n得到相邻子目标的中心点的间隔(d_cx,d_cy)：

d_cx＝(x₃-x₁)/n