一种基于静止轨道卫星遥感图像的码头区域检测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115841626A(43)申请公布日2023.03.24(21)申请号202211424909.0G06T3/40(2006.01)(22)申请日2022.11.14G06N3/0464(2023.01)G06N3/0475(2023.01)(71)申请人北京市遥感信息研究所地址100029北京市海淀区外馆斜街六号院(72)发明人刘锋赵纪金张超柏彬孙通宣耿亘尹小兵(74)专利代理机构中国兵器工业集团公司专利中心11011专利代理师王智红(51)Int.Cl.G06V20/13(2022.01)G06V20/70(2022.01)G06V10/774(2022.01)G06V10/82(2022.01)权利要求书3页说明书5页附图3页(54)发明名称一种基于静止轨道卫星遥感图像的码头区域检测方法(57)摘要本发明公开一种基于静止轨道卫星遥感图像的码头区域自动检测方法，属于码头检测技术领域。本发明采用基于海陆库、粗检结合精判的数据处理流程，基于全球DEM数据库构建查找表，实现不包含码头的纯陆地、纯海洋区域的剔除，有效降低后续的计算量，提高算法实现的时效性。采用间距精度及时效的单阶段网络YOLOV5实现对图像进行一次性初步检测，获取疑似目标区域。采取生成对抗式超分辨识模型对于疑似目标区域切片进行超分处理，并对其进行精确判读，从而有效剔除虚警，最终实现低分辨率的静止轨道卫星大视场范围内的码头精确、快速检测。本发明实现了完全自动地从静止轨道卫星遥感图像中检测码头区域，且范围大、实时好、准确率高。CN115841626ACN115841626A权利要求书1/3页1.一种基于静止轨道卫星遥感图像的码头区域自动检测方法，其特征在于，包括如下步骤：S1、采集静止轨道卫星的包括码头区域的光学遥感图像数据，将采集到的光学遥感图像数据划分为验证数据集和训练数据集；S2、利用标注工具对所述训练数据集中的光学遥感图像数据进行标注，标注出其中的码头区域的位置坐标信息，得到标签集；S3、利用所述标签集对所述训练数据集中的光学遥感图像数据进行数量扩增，得到增广数据集；S4、将所述标签集中增广后的训练数据集输入至YOLOV5网络中进行训练，得到最优化模型；S5、采集包括码头区域、非码头区域的高分辨率光学遥感图像数据切片，并给定标签集；S6、对所述高分辨率光学遥感图像数据进行4倍缩小，生成低分辨率‑高分辨率的图像对；S7、利用上述图像对及标签集对生成对抗式超分辨识网络进行训练，得到最优化模型；S8、采集包含码头区域的待测试的静止轨道卫星图像；S9、基于全球DEM库构建海陆查找表，并利用该海陆查找表对上述静止轨道卫星图像进行陆、海地区域屏蔽，保留海陆交接区域；S10、利用训练好的YOLOV5最优模型对上述海陆交接区域进行检测，获得码头区域位置信息；S11、基于上述的静止轨道卫星图像及码头区域位置信息，获取码头位置的切片数据，利用训练好的生成对抗式超分辨识网络最优模型对码头切片数据进行精判别；S12、给出码头区域检测的最终结果。2.根据权利要求1所述一种基于静止轨道卫星遥感图像的码头区域自动检测方法，其特征在于，所述步骤S1中的光学遥感图像数据的数量为N，每个光学遥感图像数据的像素分辨率大于等于1k×1k，且所述光学遥感图像数据按照2:8划分为验证数据集和训练数据集。3.根据权利要求1所述一种基于静止轨道卫星遥感图像的码头区域自动检测方法，其特征在于，所述步骤S2包括：S21、利用标注工具对步骤S1中包含码头区域的光学遥感图像数据进行标注，标注为正的不固定大小的矩形框，框的大小以完整包含单个码头区域为宜，生成对应的XML标注文件；S22、对标注数据进行清洗，包括错误标注的删除、不规则标注的修正。4.根据权利要求1所述一种基于静止轨道卫星遥感图像的码头区域自动检测方法，其特征在于，所述步骤S3包括：S31、对S22中标注的训练数据集中的光学遥感图像数据进行数量扩增得到增广数据集；S311对整幅图像进行裁剪：对整幅图像采样得到整幅图像的子图；进行IOU比例裁剪，即子图中的目标占GT标注框的IOU比例为0.1、0.3、0.5、0.7、0.9；对整幅图像进行随机采样得到子图；2CN115841626A权利要求书2/3页S312翻转图像；S313缩小图片，并用白色像素填补有缩小后带来的图像空余部分，使图像达到模型输入图像的尺寸；S314Mosaic数据增强：Mosaic数据增强通过利用四幅图像进行拼接，每一幅图像都有其对应的目标框，将四幅图像拼接之后就获得一张新的图像，同时也获得这张图像对应的新的目标框；S32、对增广的数据集进行标注框大小的统计和分析；利用统计结果，基于K‑means聚类算法生成网络训练输入的a