[发明专利]一种基于全局和局部特征相结合的机场目标检测方法

权利要求书

1.一种基于全局和局部特征相结合的机场目标检测方法，其特征在于，包括如下步骤：

步骤1：采集数据，采集不同地理位置、不同类型、不同历史时期的机场卫星遥感影像；

步骤2：对采集的数据进行数据标注；

步骤3：数据增强，对标注过的遥感影像进行数据增强操作，形成机场遥感影像数据集；

步骤4：构建局部特征提取模型，所述局部特征提取模型用于检测出所有跑道、停机坪和指挥塔目标，包括跑道、停机坪和指挥塔三类目标的检测模型；

步骤5，训练局部特征提取模型，利用机场遥感影像数据集，对跑道、停机坪和指挥塔三类目标的检测模型进行训练；

步骤6，构建全局特征判定模型，所述全局特征判定模型用于根据所有跑道、停机坪和指挥塔目标判定是否为机场；

步骤7：对全局特征判定网络进行训练；

步骤8：模型测试，利用训练好的局部特征提取模型和全局特征判定模型对图像进行机场目标检测。

2.根据权利要求1所述的一种基于全局和局部特征相结合的机场目标检测方法，其特征在于，步骤2中所述数据标注采用四点倾斜长方形框标注，标注的类别包括机场跑道、机场停机坪、机场指挥塔三种类型的数据。

3.根据权利要求2所述的一种基于全局和局部特征相结合的机场目标检测方法，其特征在于，步骤3包括以下步骤：

步骤3-1：对所述标注过的遥感影像进行旋转，分别旋转15度、30度、45度、60度、75度、90度，影像旋转的同时将对应标注文件中的坐标也进行坐标计算，生成旋转后影像对应的标注文件，并对标注进行调整，使其贴合目标，其中90度的无需微调；

步骤3-2：对步骤2标注过的遥感影像和步骤3-1旋转生成的遥感影像进行随机缩放操作，缩放比例的范围为70％-130％，每次缩放的同时对相应标注文件的坐标同步计算，生成对应的标注文件，缩放操作后经坐标计算生成的标注文件无需微调；

步骤3-3：对步骤2标注过的遥感影像、步骤3-1旋转生成的遥感影像和步骤3-2缩放生成的遥感影像进行随机亮度调整，生成不同亮度和对比的影像，同时生成对应的标注文件，在生成新的标注文件时目标的坐标无需重新计算和调整。

4.根据权利要求3所述的一种基于全局和局部特征相结合的机场目标检测方法，其特征在于，步骤4中跑道、停机坪和指挥塔三类目标的检测模型采用Oriented-RCNN倾斜框检测模型搭建，三个检测模型的构建步骤如下：

步骤4-1：利用Oriented-RCNN模型构建跑道检测模型，候选框的初始长宽比为1:5、5:1、1:7和7:1，共计4种，候选框的初始尺寸为1000*200、3000*600和2000*500三种；

步骤4-2：利用Oriented-RCNN模型构建停机坪检测模型，候选框的初始长宽比为1:2、1:1和2:1，共计3种，候选框的初始尺寸为64*64、128*128、256*256和512*512共四种；

步骤4-3：利用Oriented-RCNN模型构建指挥塔检测模型，候选框的初始长宽比为1:2、1:1和2:1，共计3种，候选框的初始尺寸为64*64、128*128和256*256共三种。

5.根据权利要求4所述的一种基于全局和局部特征相结合的机场目标检测方法，其特征在于，步骤5中，对跑道、停机坪和指挥塔三类目标的检测模型进行训练时，训练的Epoch＝30，Batch＝1，学习率为0.0001～0.001，损失函数采用交叉熵函数。

6.根据权利要求5所述的一种基于全局和局部特征相结合的机场目标检测方法，其特征在于，步骤6中所述全局特征判定模型依次包括特征提取网络、特征融合网络和分类网络。