CN106022307A - 基于船只旋转矩形空间的遥感图像船只检测方法 - Google Patents

Abstract

本发明公开了一种基于船只旋转矩形空间的遥感图像船只检测方法。其中，该方法包括根据遥感图像通过构造船只旋转矩形空间，并生成海量的潜在船只候选窗口；利用分类器，对海量的潜在船只候选窗口打分或分类，确定包含遥感图像中船只的少量船只候选窗口。通过本发明实施例，实现了对复杂背景下的船只目标的精确定位。

Description

基于船只旋转矩形空间的遥感图像船只检测方法

技术领域

本发明实施例涉及技术领域，具体涉及一种基于船只旋转矩形空间的遥感图像船只检测方法。

背景技术

在过去的几十年里，很多国家发射了越来越多的卫星，人们可以很轻易地就获得大量高清图像数据，从而进入了遥感大数据时代。基于遥感图像的船只检测是一个很重要的问题，而且应用广泛，尤其是可应用于现代海战。合成孔径雷达遥感图像是船只检测的主要数据源，但是随之技术的进步，可见光图像分辨率也越来越高，成为了有力互补，而且开始变得越来越重要。

然而在遥感图像船只检测问题中，存在一个极具挑战性的问题：即难以从复杂背景中准确提取出船只目标。这是由两个方面的原因造成的，一方面不同于自然图像中的目标，遥感图像中的目标有各种旋转角度；另一方面，船只目标也不同于遥感图像中别的典型目标，如：飞机和车辆，其长宽比较大，属于典型的条形目标。此外，船只表面和背景复杂多变，也增加了船只检测问题的复杂度。

已有遥感图像中的目标检测方法，多是基于滑动窗口，然而基于滑动窗口检测船只目标，只能实现对复杂背景下的船只目标的粗定位。船只的精确定位仍然是个亟待解决的问题。

有鉴于此，特提出本发明。

发明内容

鉴于上述问题，提出了本发明以便提供一种至少部分地解决上述问题的一种基于船只旋转矩形空间的遥感图像船只检测方法。

为了实现上述目的，根据本发明的一个方面，提供了以下技术方案：

一种基于船只旋转矩形空间的遥感图像船只检测方法，所述方法至少包括：

根据所述遥感图像，构建所述船只旋转矩形空间，并生成海量的潜在船只候选窗口；

利用分类器，对所述海量的潜在船只候选窗口打分或分类，确定包含所述遥感图像中船只的少量船只候选窗口。

优选地，所述根据所述遥感图像，构建所述船只旋转矩形空间，并生成海量的潜在船只候选窗口，具体包括：

确定旋转角度间隔；

根据所述旋转角度间隔，构造旋转矩形窗口的旋转角度集合；

确定所述旋转矩形窗口的尺寸大小集合；

根据所述遥感图像的大小，以及所述旋转矩形窗口的旋转角度和尺寸大小，以一定滑动步长，确定所述旋转矩形窗口的中心坐标分布，以使得所述旋转矩形窗口均匀覆盖所述遥感图像，得到旋转矩形窗口集合；

将所述旋转矩形窗口的所述旋转角度集合和所述尺寸大小集合中各旋转角度和各尺寸大小所对应的旋转矩形窗口集合进行合并，得到所述船只旋转矩形空间。

优选地，所述利用分类器，对所述海量的潜在船只候选窗口打分或分类，确定包含所述遥感图像中船只的少量船只候选窗口，具体包括：

如果所述分类器输出的是窗口得分，则根据所述得分的分布情况，选出包含船只可能性高的船只候选窗口；或者，

如果所述分类器输出的是类别，则选出分类为船只的候选窗口。

与现有技术相比，上述技术方案至少具有以下有益效果：

本发明实施例通过根据遥感图像通过构造船只旋转矩形空间，并生成海量的潜在船只候选窗口，完成对图像中船只目标的准确覆盖，从而使得后续分类器准确识别船只目标成为可能，而且，船只旋转矩形空间，可有效应对船只目标尺寸的变化。然后，利用分类器，对海量的潜在船只候选窗口打分或分类，确定包含遥感图像中船只的少量船只候选窗口，从而实现了对复杂背景下的船只目标的精确定位。

当然，实施本发明的任一产品不一定需要同时实现以上所述的所有优点。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其它优点可通过在所写的说明书、权利要求书以及附图中所特别指出的方法来实现和获得。

附图说明

附图作为本发明的一部分，用来提供对本发明的进一步的理解，本发明的示意性实施例及其说明用于解释本发明，但不构成对本发明的不当限定。显然，下面描述中的附图仅仅是一些实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。在附图中：

图1为根据一示例性实施例示出的基于船只旋转矩形空间的遥感图像船只检测方法的流程示意图；

图2为根据另一示例性实施例示出的根据遥感图像构建船只旋转矩形空间并生成海量的潜在船只候选窗口的流程示意图。

这些附图和文字描述并不旨在以任何方式限制本发明的构思范围，而是通过参考特定实施例为本领域技术人员说明本发明的概念。

具体实施方式

下面结合附图以及具体实施例对本发明实施例解决的技术问题、所采用的技术方案以及实现的技术效果进行清楚、完整的描述。显然，所描述的实施例仅仅是本申请的一部分实施例，并不是全部实施例。基于本申请中的实施例，本领域普通技术人员在不付出创造性劳动的前提下，所获的所有其它等同或明显变型的实施例均落在本发明的保护范围内。本发明实施例可以按照权利要求中限定和涵盖的多种不同方式来具体化。

需要说明的是，在下面的描述中，为了方便理解，给出了许多具体细节。但是很明显，本发明的实现可以没有这些具体细节。

需要说明的是，在没有明确限定或不冲突的情况下，本发明中的各个实施例及其中的技术特征可以相互组合而形成技术方案。

为了实现对复杂背景下的船只目标的精确定位，本发明实施例提出一种基于船只旋转矩形空间的遥感图像船只检测方法。如图1所示，该方法可以包括：

步骤S100:根据遥感图像，构建船只旋转矩形空间，并生成海量的潜在船只候选窗口。

其中，遥感图像可以为大小为单通道1200*800的图像。

具体地，如图2所示，本步骤还可以进一步包括步骤S101至步骤S105。

步骤S101:确定旋转角度间隔。

其中，在实际实施过程中，可以选择旋转角度间隔大于等于1且小于等于30。优选地，确定旋转角度间隔为5度。

步骤S102:根据旋转角度间隔，构造旋转矩形窗口的旋转角度集合。

作为示例，旋转矩形窗口的旋转角度可以覆盖-90至90度，且按照旋转角度间隔T分布。其中，T的取值可以选取大于等于1且小于等于30。优选地，旋转矩形窗口的旋转角度为{-90,-85,-80,-75,……,90}。

步骤S103:确定旋转矩形窗口的尺寸大小集合。

在实际实施过程中，可以选择旋转矩形窗口尺寸大小长(x)和宽(y)分布范围为四条直线y＝0、x＝2000、y＝0.285x+10.5和y＝0.1x所围成的闭合区域。

优选地，旋转矩形窗口的尺寸大小集合可以确定为：{(398,56),(170,35),(583,137),(315,42),(665,168),(522,78),(101,27),(426,65),(251,34),(356,64),(626,80),(360,46),(761,183),(586,81),(485,78),(549,136),(278,40),(707,178),(73,24),(620,166),(476,112),(222,36),(128,29),(446,80),(378,63),(679,88),(301,43),(255,61),(555,81),(193,37),(342,48),(407,83),(518,116),(152,32),(329,43),(321,63)}。

步骤S104:根据遥感图像的大小，以及旋转矩形窗口的旋转角度和尺寸大小，以一定滑动步长，确定旋转矩形窗口的中心坐标分布，以使得旋转矩形窗口均匀覆盖遥感图像，得到旋转矩形窗口集合。

在本步骤中，对于滑动步长，例如，在水平滑动时，其可以为旋转矩形窗口长的一半，在竖直滑动时，其可以为旋转矩形窗口宽的一半。

在一个优选的实施例中，以遥感图像的大小为单通道1200*800为例，当旋转角度为0度，尺寸大小为(398,56)时，横向滑动步长选择为199，纵向滑动步长选择为28,则所有满足条件的旋转矩形窗口的中心坐标包括：(198,27)、(397,27)、(596,27)、(795,27)、(994,27)、(1194,27)、(198,55)……(1194,784)。

步骤S105:将旋转矩形窗口的旋转角度集合和尺寸大小集合中各旋转角度和各尺寸大小所对应的旋转矩形窗口集合进行合并，得到船只旋转矩形空间。

其中，根据上述优选实施例，得到的船只旋转矩形空间中包含的窗口数量级可以在10⁹，即海量的潜在船只候选窗口。船只旋转矩形空间内的窗口尺寸集合由N个旋转矩形窗口尺寸构成。旋转矩形窗口尺寸由中心坐标、尺寸大小和旋转角度定义。其中，中心坐标为遥感图像上的坐标(横坐标、纵坐标和通道坐标)，尺寸大小为(长、宽和通道)，旋转角度范围为-90度至90度的闭区间。

步骤S110：利用分类器，对海量的潜在船只候选窗口打分或分类，确定包含遥感图像中船只的少量船只候选窗口。

在本步骤中，分类器不限于具体类型的分类器，只要该分类器以船只候选窗口或者从船只候选窗口提取的特征为输入，输出相应的得分或分类结果即可。

在一个优选的实施例中，分类器采取线性分类器：y＝wx+b。其中，x为输入船只候选窗口的特征向量，w和b为模型参数。输入船只候选窗口，将其缩小为8*8窗口，然后拉伸成一维向量，该一维向量即为输入x。因此，x为64维。相应地，w为64维。b为偏置向量，并设置为1维。训练集包括444张遥感图像。参数通过训练得到。训练集中遥感图像中的船只以旋转矩形窗口的方式进行人工标注。训练用的正样本为标注好的旋转矩形窗口内的船只图像，共计1285个，负样本则在图像背景中随机选取，数量为正样本的三倍。训练的方式采用线性支持向量机训练。利用上述设置好的线性分类器就可以对海量的潜在船只候选窗口进行打分或分类。

具体地，本步骤可以包括步骤S112或步骤S114。

步骤S112：如果分类器输出的是窗口得分，则根据得分的分布情况，选出包含船只可能性高的船只候选窗口。

其中，窗口得分可以在一定程度上反映船只候选窗口内包含船只的可能性大小。理想情况下，船只候选窗口与船只目标重合率(候选窗区域与船只区域的交集/候选窗口区域与船只区域的并集)越高，则分值越高。

作为示例，以线性分类器y＝wx+b为例，其输出的y即为对应窗口得分。将所有窗口得分按照从大到小进行排序，取出前N个窗口作为本实施方式的最终输出，即高可能性船只候选窗。N的取值越大，则输入的遥感图像中的船只越可能被这N个窗口中的部分窗口精确覆盖。优选地，N＝3000，其可以作为本实施方式的最终输出。

步骤S114：如果分类器输出的是类别，则选出分类为船只的候选窗口。

示例性地，还以线性分类器y＝wx+b为例，其输出的y为正，则对应窗口被选为船只候选窗；若y为负，则舍弃对应的窗口。最终得到的船只候选窗合集，即为输入遥感图像的船只检测结果。

在实际实施过程中，如果采取的分类器的分类能力较弱，则输出结果会包含较多虚警窗口。对此，至少可以通过以下方式予以剔除：

(1)采用其他较强的特征(如：卷积神经网络自动提取的特征)和强分类器(如：非线性支持向量机)；

(2)直接采用较强的特征和强分类器取代上述实施例中的线性分类器。

如果采用方式(1)，可以得到少量的船只候选窗(如：3000个)，可大大降低后续强分类器的计算开销，其与直接在船只旋转矩形空间上计算相比，数量级会大大的降低。如果采用方式(2)，可以直接得到极少量(如：10个以内)的船只检测结果。

上述实施例中虽然将各个步骤按照上述先后次序的方式进行了描述，但是本领域技术人员可以理解，为了实现本实施例的效果，不同的步骤之间不必按照这样的次序执行，其可以同时(并行)执行或以颠倒的次序执行，这些简单的变化都在本发明的保护范围之内。

以上对本发明实施例所提供的技术方案进行了详细的介绍。虽然本文应用了具体的个例对本发明的原理和实施方式进行了阐述，但是，上述实施例的说明仅适用于帮助理解本发明实施例的原理；同时，对于本领域技术人员来说，依据本发明实施例，在具体实施方式以及应用范围之内均会做出改变。

需要说明的是，本文中涉及到的流程图或框图不仅仅局限于本文所示的形式，其还可以进行划分和/或组合。

需要说明的是：附图中的标记和文字只是为了更清楚地说明本发明，不视为对本发明保护范围的不当限定。

术语“包括”、“包含”或者任何其它类似用语旨在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备/装置不仅包括那些要素，而且还包括没有明确列出的其它要素，或者还包括这些过程、方法、物品或者设备/装置所固有的要素。

本发明的各个步骤可以用通用的计算装置来实现，例如，它们可以集中在单个的计算装置上，例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备或者多处理器装置，也可以分布在多个计算装置所组成的网络上，它们可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。因此，本发明不限于任何特定的硬件和软件或者其结合。

本发明提供的方法可以使用可编程逻辑器件来实现，也可以实施为计算机程序软件或程序模块(其包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件或数据结构等等)，例如根据本发明的实施例可以是一种计算机程序产品，运行该计算机程序产品使计算机执行用于所示范的方法。所述计算机程序产品包括计算机可读存储介质，该介质上包含计算机程序逻辑或代码部分，用于实现所述方法。所述计算机可读存储介质可以是被安装在计算机中的内置介质或者可以从计算机主体上拆卸下来的可移动介质(例如：采用热插拔技术的存储设备)。所述内置介质包括但不限于可重写的非易失性存储器，例如：RAM、ROM、快闪存储器和硬盘。所述可移动介质包括但不限于：光存储介质(例如：CD－ROM和DVD)、磁光存储介质(例如：MO)、磁存储介质(例如：磁带或移动硬盘)、具有内置的可重写非易失性存储器的媒体(例如：存储卡)和具有内置ROM的媒体(例如：ROM盒)。

以上描述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于船只旋转矩形空间的遥感图像船只检测方法，其特征在于，所述方法至少包括：

根据所述遥感图像，构建所述船只旋转矩形空间，并生成海量的潜在船只候选窗口；

利用分类器，对所述海量的潜在船只候选窗口打分或分类，确定包含所述遥感图像中船只的少量船只候选窗口。

2.根据权利要求1所述的方法，其特征在于，所述根据所述遥感图像，构建所述船只旋转矩形空间，并生成海量的潜在船只候选窗口，具体包括：

确定旋转角度间隔；

根据所述旋转角度间隔，构造旋转矩形窗口的旋转角度集合；

确定所述旋转矩形窗口的尺寸大小集合；

根据所述遥感图像的大小，以及所述旋转矩形窗口的旋转角度和尺寸大小，以一定滑动步长，确定所述旋转矩形窗口的中心坐标分布，以使得所述旋转矩形窗口均匀覆盖所述遥感图像，得到旋转矩形窗口集合；

将所述旋转矩形窗口的所述旋转角度集合和所述尺寸大小集合中各旋转角度和各尺寸大小所对应的旋转矩形窗口集合进行合并，得到所述船只旋转矩形空间。

3.根据权利要求1所述的方法，其特征在于，所述利用分类器，对所述海量的潜在船只候选窗口打分或分类，确定包含所述遥感图像中船只的少量船只候选窗口，具体包括：

如果所述分类器输出的是窗口得分，则根据所述得分的分布情况，选出包含船只可能性高的船只候选窗口；或者，

如果所述分类器输出的是类别，则选出分类为船只的候选窗口。