[发明专利]一种具有旋转不变性的舰船目标精细化检测方法

说明书

本发明公开了一种具有旋转不变性的舰船目标精细化检测方法，包括：采用三点式标注法，对样本遥感图像进行标注；计算得到样本遥感图像中的目标的位置信息、类别信息和置信度；构建得到神经网络模型；通过神经网络模型对样本遥感图像进行特征提取和识别；通过梯度下降算法对神经网络模型中的参数进行更新；对神经网络模型进行多次训练后，得到目标精细化检测模型；将待识别遥感图像作为目标精细化检测模型的输入，输出待识别遥感图像中的目标的位置信息、类别信息和置信度。本发明具有学习目标几何姿态信息的能力，并将目标的朝向隐含在三角形边框中，可以有效预测目标方向及位置信息，从而实现了多类军用舰船和民用舰船目标类别和方向的判定。

技术领域

本发明属于遥感图像处理技术领域，尤其涉及一种具有旋转不变性的舰船目标精细化检测方法。

背景技术

遥感图像目标检测是卫星图像处理的基本任务之一，其基本目的是从遥感图像中提取感兴趣目标的类别和位置信息。该任务在众多领域具有广泛的应用，从遥感图像中检测舰船是一项重要任务，也是遥感图像分析、图像内容理解以及场景理解等高层次应用的基础。

由于遥感图像是从上往下获取的，舰船目标外观受视角的影响较大，舰船的方向可以是0-360度任意方向，如何保证舰船在任意方向下均能够正确检测到舰船目标并且给出其精细化位置信息是遥感图像舰船目标检测面临的一个难题。

遥感图像精细化舰船目标检测是指在不仅能够在遥感图像中检测出的舰船目标，而且需要给出舰船目标精细化位置信息。遥感图像中的舰船目标往往是以倾斜视角出现，在该视角下采用现有深度学习目标检测方法直接进行目标检测得到的矩形框中包含了大量的背景冗余信息和重叠区域，无法满足对目标的精确定位和细粒度的检测需求。

发明内容

本发明的技术解决问题：克服现有技术的不足，提供一种具有旋转不变性的舰船目标精细化检测方法，具有学习目标几何姿态信息的能力，并将目标的朝向隐含在三角形边框中，可以有效预测目标方向及位置信息，从而实现了多类军用舰船和民用舰船目标类别和方向的判定，解决了舰船目标检测时目标倾斜视角带来的检测精度问题。

为了解决上述技术问题，本发明公开了一种具有旋转不变性的舰船目标精细化检测方法，包括：

步骤1：采用三点式标注法，对样本遥感图像进行标注，得到样本遥感图像中的目标检测框；

步骤2：根据标注得到的目标检测框，计算得到样本遥感图像中的目标的位置信息、类别信息和置信度；

步骤3：构建得到神经网络模型；将样本遥感图像输入至神经网络模型，通过神经网络模型对样本遥感图像进行特征提取和识别，输出目标的位置信息、类别信息和置信度；

步骤4：根据步骤2计算得到的目标的位置信息、类别信息和置信度，以及步骤3由神经网络模型输出的目标的位置信息、类别信息和置信度，通过梯度下降算法对神经网络模型中的参数进行更新；

步骤5：重复步骤4的操作过程，对神经网络模型进行多次训练后，得到目标精细化检测模型；

步骤6：将待识别遥感图像作为目标精细化检测模型的输入，通过所述目标精细化检测模型对待识别遥感图像进行特征提取和识别，输出待识别遥感图像中的目标的位置信息、类别信息和置信度。

在上述具有旋转不变性的舰船目标精细化检测方法中，采用三点式标注法，对样本遥感图像进行标注，得到样本遥感图像中的目标检测框，包括：

子步骤11，确定样本遥感图像中的样本目标；

子步骤12，标注样本目标所在区域的三个点：A点、B点和C点；其中，A点为样本目标所在区域的左上角，B点为样本目标所在区域的右上角，C点为样本目标所在区域的左下角与右下角连线的中心点；