[发明专利]基于轮廓波分组特征金字塔卷积的遥感目标检测方法

摘要

本发明公开了一种基于轮廓波分组特征金字塔卷积的遥感目标检测方法，解决了光学遥感图像飞机与舰船在边缘模糊时召回率低、虚警率高的问题。实现步骤：构建测试数据集；构建训练数据集；对数据集进行非轮廓下采样变换；构建基于分组特征金字塔卷积目标检测网络；利用数据集训练基于分组特征金字塔卷积的目标检测网络；用训练好的基于分组特征金字塔卷积的目标检测网络对测试数据集进行目标检测；输出测试结果。本发明用非下采样轮廓边缘加强图像边缘特征，并构建分组卷积和特征金字塔网络，更适于光学遥感图像目标检测，针对边缘模糊的小目标检测准确率明显提高。用于光学遥感图像的地物目标检测。

主权项

1.一种基于轮廓波分组特征金字塔卷积的遥感目标检测方法，其特征在于，包括如下步骤：(1)构造测试数据集：(1a)用窗口大小为512×512×3像素，且步长为300×300×3像素的划窗，对多幅待检测光学遥感图像进行逐一切割，得到多个大小为512×512×3像素的切割数据块，保存每一个切割数据块对应划窗步数；(1b)按照测试数据集命名规则，对每个切割数据块进行命名；(1c)利用归一化公式，对命名后的每一个切割数据块进行归一化处理，得到测试数据集；(2)选取多幅标注陆地飞机和水中舰船坐标的光学遥感图像，以每个飞机和舰船目标为切割中心点，切割得到大小为512×512×3像素的训练数据，并对训练数据块进行数据增强处理，形成训练数据集；(3)对训练数据集及测试数据集分别进行非轮廓下采样变换：(3a)分别对切割好的训练数据及测试数据，依次进行非轮廓下采样变换，使用NSCT变换得到低频子带及高频子带；(3b)对得到的低频子带进行线性变换；(3c)对高频子带使用自适应阈值函数，使其有效抑制噪声并减轻高频子带对图像细节信息的影响；(3d)对线性变化后的低频子带和经自适应阈值函数过滤的高频子带结果进行NSCT反变换，得到数据增强后的训练数据集和测试数据集；(4)构建基于分组卷积金字塔特征的目标检测网络：(4a)构建用于分别以增强前图像和增强后图像作为输入的分组卷积模块；(4b)构建残差连接卷积模块；(4c)构建用于增强小目标表达能力并融合各层特征的特征金字塔卷积模块；(4d)使用残差连接卷积模块和特征金字塔卷积模块构建残差金字塔网络；(4e)使用分组卷积模块、残差金字塔网络构建基于分组特征金字塔卷积的目标检测网络；(5)用增强前的训练数据集及增强后的训练数据集作为输入对基于分组特征金字塔卷积的深度卷积神经网络进行训练，得到训练好的基于分组特征金字塔卷积的深度卷积神经网络；(6)对测试数据集进行检测：(6a)将增强前的测试数据集及增强后的测试数据集中的数据块，依次输入到训练好的基于分组特征金字塔卷积的目标检测网络中，得到测试数据集中每个数据块的候选框、候选框对应的得分、候选框对应的目标类别；(6b)保留所有得分高于0.5的目标类别的候选框，丢弃其余候选框；(6c)对所有保留候选框的坐标进行映射，映射到完整的光学遥感图像上面并进行非极大值抑制NMS处理，得到光学遥感图像的检测结果。