[发明专利]一种遥感影像数据扩增方法

说明书

一种遥感影像数据扩增方法包括如下步骤1获取遥感影像数据并对目标区域进行标注、提取，得到遥感目标切块数据；2利用遥感目标切块数据对生成对抗网络进行训练与改进得到生成对抗优化网络；3基于生成对抗优化网络对噪声进行处理，得到新形状特征的遥感目标切块扩增数据；4利用区域生长和二值化对遥感目标切块扩增数据进行处理，最终得到仿真遥感影像数据。本发明利用基于深度学习技术的生成对抗网络方法，可生成具有新特征信息的遥感目标切块扩增数据，有效提升目标检测的性能；改进生成对抗网路结构，以增大生成图像分辨率，提高生成图像质量；基于二次掩模法，可自定义目标位置和大小，实现仿真遥感影像数据自主可控生成。

技术领域

本发明属于遥感领域图像数据领域，尤其涉及一种遥感影像数据扩增方法。

背景技术

遥感图像目标检测可为军事侦察提供重要战略信息。目前主流的遥感图像目标检测技术基本是基于深度学习算法提出的，如Faster-RCNN、SSD、YOLO、FCN等算法，都是利用复杂网络模型及海量标注数据，实现遥感目标的高精度检测。

深度学习技术虽然在目标检测任务上取得了很大进步，但是其仍然存在许多的问题，其中最为明显的问题是深度学习目标检测网络中大量参数，需要海量标注数据进行训练更新。数据采集非常困难，标注数据过程更是需要非常大的人工成本及其耗时。小样本问题就成为深度学习目标检测任务的一大阻碍。

因此，现有技术中采用样本扩增的方式，实现利用已有少量数据样本得到大量与其精度相当的训练数据样本。目标检测领域，样本扩增的方法均属于传统样本扩增方法，主要利用旋转、颜色抖动、模糊处理和缩放等基本图像处理方式进行数据增强。现有技术中的样本扩增方法实现较为简单，但是由于其没有真正的产生新的特征信息，导致样本扩增后的新数据特征信息不够丰富，不能充分的训练网络，对目标检测算法的性能提升作用有限。

发明内容

本发明的技术目的是提供一种遥感影像数据扩增方法，以解决目标检测算法性能不足的技术问题。

为解决上述问题，本发明的技术方案为：

一种遥感影像数据扩增方法，包括如下步骤：

S1：获取遥感影像数据并对目标区域进行标注，得到目标标注信息，基于目标标注信息对遥感影像数据进行目标区域提取，得到遥感目标切块数据；

S2：利用遥感目标切块数据对生成对抗网络进行训练与改进，得到生成对抗优化网络；

S3：基于生成对抗优化网络对噪声进行处理，得到具有遥感目标新颜色特征、亮度特征、形状特征的遥感目标切块扩增数据；

S4：利用区域生长方法和二值化技术对遥感目标切块扩增数据进行处理，得到目标切块二值图，基于目标切块二值图、遥感影像数据和遥感目标切块扩增数据，得到仿真遥感影像数据，从而实现遥感影像数据扩增。

其中，步骤S1中，基于目标标注信息对遥感影像数据进行目标区域提取包括以下步骤:

A1：基于目标标注信息，得到目标区域在遥感影像数据中的坐标；

A2：基于目标区域的坐标将目标区域进行切割，得到遥感目标切块数据。

其中，步骤S2中，生成对抗网络包括生成网络和鉴别网络，利用遥感目标切块数据对生成对抗网络进行训练与改进得到生成对抗优化网络包括以下步骤：

基于遥感目标切块数据对生成对抗网络进行训练；

通过生成网络的误差和鉴别网络的误差和鉴别网络的鉴别概率以实现生成网络和鉴别网络的网络参数更新；

当鉴别网络的鉴别概率到达阈值时，结束训练，得到网络模型权重参数。