[发明专利]一种区域显著性引导的光学遥感图像飞机检测方法及装置

说明书

本发明提供一种区域显著性引导的光学遥感图像飞机检测方法及装置，所述方法包括扫描原始图像，提取机场区域及检测飞机目标；将所述机场区域的显著图转化为机场区域的凸多边形；基于所述机场区域的凸多边形，将所述原始图像划分为三个级别关注度的子区域，使用双阈值加权方法对检测出的飞机目标的置信度进行加权处理。根据本发明的方案，能够很好地对大视场高分辨率光学遥感图像机场场景中的飞机目标进行检测，在面对飞机目标尺度变化、密集分布等复杂条件时也取得了良好效果，并且可以降低机场外围区域的虚警率。

技术领域

本发明涉及目标检测领域，尤其涉及一种区域显著性引导的光学遥感图像飞机检测方法及装置。

背景技术

目标检测是遥感影像解译任务中的基本问题，即通过计算机视觉算法对图像中是否存在感兴趣目标以及其出现位置进行判断，是开展目标跟踪、趋势分析等任务的基础。早期的检测手段以传统图像处理方法为基础，通过手工设计的特征对目标进行描述，并使用传统机器学习方法完成分类。自从深度学习技术得到广泛应用以来，卷积神经网络体现出强大的自动特征提取能力和不断学习进化的潜力，使得目标检测能力和稳定性均得到了显著的提升。

按照目标候选区域的生成方式区分，基于深度学习的目标检测方法可分为有锚框方法和无锚框方法两类。有锚框方法使用一组具有不同尺度和比例组合的矩形候选框生成目标的候选区域，卷积神经网络对框内的区域是否包含目标进行判断，若包含目标则确定其类别归属，并将候选框回归到更精确的位置上。无锚框方法没有显式的候选区域生成过程，而是借助关键点和特征线对目标进行建模，使用编码和解码完成目标边框的回归，可以打破锚框对目标尺寸和比例的束缚，有利于应对遥感中飞机目标的尺度多样性，同时检测流程更加简洁，有助于提升检测的速度。

在机场场景图像中，飞机大多分布于机场跑道和停机坪等区域。机场外围区域背景较为复杂，检测时易产生虚警；但这些区域中可能存在零星分布的飞机。现有的一些方法通过提取机场跑道和停机坪等区域并在其中检测飞机目标，降低了虚警率，但是易造成机场外围区域的漏检。而在飞机目标检测方法的训练阶段，缩放和裁切等数据增强操作可能会将样本标注框截断，使得样本的中心点发生偏移，不利于骨干网络学习到样本最显著的特征。

发明内容

为解决上述技术问题，本发明提出了一种区域显著性引导的光学遥感图像飞机检测方法及装置，所述方法及装置，用以解决现有技术中机场外围区域检测率与虚警率无法实现平衡、训练阶段数据增强操作使样本标注框中心点产生偏移的技术问题。

根据本发明的第一方面，提供一种区域显著性引导的光学遥感图像飞机检测方法，所述方法包括以下步骤：

步骤S101：扫描原始图像，提取机场区域及检测飞机目标；

所述机场区域提取包括：对所述原始图像按多尺度因子进行切片，基于训练好的特征集成深度学习网络，对所述切片进行分类；根据分类结果预测所述原始图像中存在机场区域的切片，用高斯加权的方式生成所述原始图像中存在机场区域的显著图；对所述显著图进行处理，作为所述机场区域的提取结果；

所述飞机目标检测，包括：将原始图像输入骨干网络，依据几何先验知识修正样本标注框，提取特征并检测飞机目标；

步骤S102：将所述机场区域的显著图转化为机场区域的凸多边形；

步骤S103：基于所述机场区域的凸多边形，将所述原始图像划分为三个级别关注度的子区域，使用双阈值加权方法对检测出的飞机目标的置信度进行加权处理。

根据本发明第二方面，提供一种区域显著性引导的光学遥感图像飞机检测装置，所述装置包括：

提取模块：配置为扫描原始图像，提取机场区域及检测飞机目标；