基于可见光与红外图像融合的舰船目标检测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115909085A(43)申请公布日2023.04.04(21)申请号202211396607.7G06V10/80(2022.01)(22)申请日2022.11.09G06V10/82(2022.01)G06N3/045(2023.01)(71)申请人中国人民解放军军事科学院国防科G06N3/08(2023.01)技创新研究院地址100071北京市丰台区东大街53号(72)发明人刘勇赵炜东曹璐郭鹏宇冉德超季明江(74)专利代理机构北京奥文知识产权代理事务所(普通合伙)11534专利代理师张文郑泽祥(51)Int.Cl.G06V20/13(2022.01)G06V10/764(2022.01)G06V10/766(2022.01)G06V10/774(2022.01)权利要求书3页说明书10页附图5页(54)发明名称基于可见光与红外图像融合的舰船目标检测方法(57)摘要本发明公开了一种基于可见光与红外图像融合的舰船目标检测方法，包括：获取多组相互对应且包含舰船目标的可见光图像和红外图像；对可见光图像和红外图像中的舰船目标进行标注，获取标签，生成舰船目标训练数据集，舰船目标训练数据集中的每个训练数据包括相互对应的一个可见光图像和一个红外图像、及其对应的标签；构建目标检测网络；利用舰船目标训练数据集训练目标检测网络；利用训练后的目标检测网络进行舰船目标检测。本发明的基于可见光与红外图像融合的舰船目标检测方法能够同时提取可见光图像与红外图像的图像特征以保留更多目标信息，实现空间信息与光谱信息的联合利用，能够显著提高在复杂成像环境下舰船目标的检测精度和检测速度。CN115909085ACN115909085A权利要求书1/3页1.一种基于可见光与红外图像融合的舰船目标检测方法，其特征在于，包括：获取多组相互对应且包含舰船目标的可见光图像和红外图像；对可见光图像和红外图像中的舰船目标进行标注，获取标签，生成舰船目标训练数据集，其中，所述舰船目标训练数据集中的每个训练数据包括相互对应的一个可见光图像和一个红外图像、及其对应的标签；构建目标检测网络；利用舰船目标训练数据集训练目标检测网络；利用训练后的目标检测网络进行舰船目标检测。2.根据权利要求1所述的基于可见光与红外图像融合的舰船目标检测方法，其特征在于，获取多组相互对应且包含舰船目标的可见光图像和红外图像，包括：选取多个包含有舰船目标的卫星多光谱图像；将卫星多光谱图像的RGB三通道数据进行融合，获取对应的原始可见光图像，提取卫星多光谱图像的红外通道数据，获取对应的原始红外图像；根据预设重叠间距，分别将原始可见光图像和原始红外图像切割成预设像素的正方形图片；从获取的正方形图片中筛选出包含有舰船目标的图片，得到多组相互对应且包含舰船目标的可见光图像和红外图像。3.根据权利要求2所述的基于可见光与红外图像融合的舰船目标检测方法，其特征在于，选取的卫星多光谱图像中覆盖有包括云雾和/或海岸的复杂成像环境。4.根据权利要求1所述的基于可见光与红外图像融合的舰船目标检测方法，其特征在于，对可见光图像和红外图像中的舰船目标进行标注，获取标签，生成舰船目标训练数据集，包括：对可见光图像和红外图像中的舰船目标进行矩形框标注，确定矩形框的中心点坐标、矩形框的宽度和高度、以及矩形框中的目标类别，获取包括矩形框中心点坐标、宽度、高度和类别信息的标签；将相互对应的一个可见光图像和一个红外图像、以及图像对应的标签作为一个训练数据，生成包括多个训练数据的舰船目标训练数据集。5.根据权利要求1‑4中任一项所述的基于可见光与红外图像融合的舰船目标检测方法，其特征在于，所述目标检测网络采用YOLOv5目标检测网络，且所述YOLOv5目标检测网络的骨干网络中设置有快速空间金字塔池化结构，所述快速空间金字塔池化结构用于加强所述YOLOv5目标检测网络的特征融合能力。6.根据权利要求5所述的基于可见光与红外图像融合的舰船目标检测方法，其特征在于，所述快速空间金字塔池化结构包括：两个CBS模块，第一个所述CBS模块的输入为所述快速空间金字塔池化结构的输入，输出分别与第一个最大池化模块的输入和Concat层的输入连接，第二个所述CSB模块的输入与所述Concat层的输出连接，输出为所述快速空间金字塔池化结构的输出，所述CBS模块包括依次连接的卷积层、数据归一化层和激活函数层；三个所述最大池化模块，第一个所述最大池化模块的输出分别与第二个所述最大池化模块的输入和所述Concat层的输入连接，第二个所述最大池化模块的输出分别与第三个所2CN115909085A权利要求书2/3页述最大池化模块的输入和所述Concat层的输入连接，第三个所述最大池化模块的输出与所述Conca