[发明专利]一种改进的复杂背景遥感图像目标检测方法及系统

说明书

本发明公开了一种改进的复杂背景遥感图像目标检测方法及系统，首先构建并训练复杂背景遥感图像目标检测网络；然后将将待测遥感图像输入训练好的复杂背景遥感图像目标检测网络中进行目标检测，得到目标检测结果。本发明采用单阶段目标检测算法SSD，且在特征提取与锚框标注方面进行改进。相比于现有的算法，本改进算法参数量较少、检测精度高、有效性强且简单实用易于实现。

技术领域

本发明属于遥感图像处理和目标检测技术领域，涉及一种遥感图像目标检测方法及系统，尤其涉及一种改进的复杂背景遥感图像目标检测方法及系统。

背景技术

在计算机视觉领域中目标检测是最关键同时也是最基本的任务之一，近年来，目标检测技术受到深度学习的推动，从而对检测精度和速度产生巨大的提升。由于遥感图像的特殊性，在对目标图像中存在的小目标提取特征、定位及分类的过程中，因为遥感图像包含的复杂背景、分辨率低以及遥感目标的类型、尺寸等复杂多样，导致在检测的过程中往往具有不确定性。因此，在检测遥感图像目标方面仍具有极大挑战，在复杂背景下的遥感图像中针对小目标进行高精度的检测具有重大的意义。

当前，基于深度学习的目标检测随着计算机硬件技术的提高而获得极大的发展，基于卷积神经网络的目标检测算法分为两大类：一是双阶段的目标检测算法，如R-CNN、Faster R-CNN等，二是单阶段的目标检测算法，如YOLO算法系列、 SSD目标检测网络等。以上算法对于检测背景简单、分辨率高、大型且形状规则的目标有着很高的精确性，然而，若将上述算法直接应用于以上特征都不具备的遥感图像进行小目标的检测，很难取得令人满意的效果。

发明内容

为了解决上述技术问题，本发明提出了一种改进的复杂背景遥感图像目标检测方法及系统，能够实现对遥感图像目标进行有效的检测，大大提高目标检测的精确度。

本发明的方法所采用的技术方案是：一种改进的复杂背景遥感图像目标检测方法，包括以下步骤：

步骤1：构建复杂背景遥感图像目标检测网络；

所述复杂背景遥感图像目标检测网络，包括特征提取网络、基于先验知识的锚框改进网络和基于IoU优化的锚框补选增强网络；

所述特征提取网络，以VoVNet作为基础网络，包括串联的3*3卷积层、并联的1*1卷积层，在VoVNet中进行串联的第一层卷积层之前与最后层卷积后级联残差结构和自注意力层；残差结构有一层卷积层conv1*1、批量归一化BN和激活函数leaky-relu；VoVNet连续的卷积层进行双向连接，既与后一层相连接，又在最后一个特征图一次性聚合所有特征；

所述基于先验知识的锚框改进网络，用于将特征提取网络输出的特征图使用调窗算法进行类型转化，提取有效的结构信息，然后提取先验信息；

所述基于IoU优化的锚框补选增强网络，用于设置一个与真实锚框A相同大小的假锚框B，S_*是A与B的交集面积，则

步骤2：训练复杂背景遥感图像目标检测网络；

步骤3：将待测遥感图像输入训练好的复杂背景遥感图像目标检测网络中进行目标检测，得到目标检测结果。

本发明的系统所采用的技术方案是：一种改进的复杂背景遥感图像目标检测系统，包括以下模块：

模块1，用于构建复杂背景遥感图像目标检测网络；

所述复杂背景遥感图像目标检测网络，包括特征提取网络、基于先验知识的锚框改进网络和基于IoU优化的锚框补选增强网络；