1.一种改进的复杂背景遥感图像目标检测方法,其特征在于,包括以下步骤:步骤1:构建复杂背景遥感图像目标检测网络;
所述复杂背景遥感图像目标检测网络,包括特征提取网络、基于先验知识的锚框改进网络和基于IoU优化的锚框补选增强网络;
所述特征提取网络,以VoVNet作为基础网络,包括串联的3*3卷积层、并联的1*1卷积层,在VoVNet中进行串联的第一层卷积层之前与最后层卷积后级联残差结构和自注意力层;残差结构有一层卷积层conv1*1、批量归一化BN和激活函数leaky-relu;VoVNet连续的卷积层进行双向连接,既与后一层相连接,又在最后一个特征图一次性聚合所有特征;
所述基于先验知识的锚框改进网络,用于将特征提取网络输出的特征图使用调窗算法进行类型转化,提取有效的结构信息,然后提取先验信息;
所述基于IoU优化的锚框补选增强网络,用于设置一个与真实锚框A相同大小的假锚框B,S所述特征提取网络的自注意力层,在自注意力层中特征图x的输入为c×h×w,c其是特征图的通道数,h是特征图的高度,w是特征图的宽度;特征图x先在h×w两个卷积核进行卷积,然后缩减特征图的通道数cS
其中,N表示尺度特征图矩阵中元素的数量,j表示区域,i表示位置,xO=(O
其中,W
将权重加入自注意特征图,原始权重值为0,权重值的迭代由反向传播的神经网络完成:y步骤2:训练复杂背景遥感图像目标检测网络;
步骤3:将待测遥感图像输入训练好的复杂背景遥感图像目标检测网络中进行目标检测,得到目标检测结果。
2.根据权利要求1所述的改进的复杂背景遥感图像目标检测方法,其特征在于:步骤1中,所述特征提取网络,串联的3*3卷积层输入维度为64,输出维度为1024,并联的1*1卷积层输入维度为1024,输出维度为256;残差结构输入维度为64,输出维度为256;对于64维的图文特征向量,输入到3*3卷积层得到1024维的特征,同时经过残差结构输出256维的特征,1024维的特征再经过自注意力层后输入到并联的1*1卷积层,输出256维的特征。
3.根据权利要求1所述的改进的复杂背景遥感图像目标检测方法,其特征在于,步骤1中,所述调窗算法是将特征图从第一个灰度自左向右进行面积累加,当累加的面积占到整个特征图面积的预设值时对应的灰度值作为窗位,然后设定固定窗宽;其中,将特征图的局部极小值点的灰度值作为窗底,然后搜索剩余值中的最大值,令其灰度值作为窗位。
4.根据权利要求1所述的改进的复杂背景遥感图像目标检测方法,其特征在于,步骤1中,提取先验信息包含设定初始值和构建判别函数,根据数据之间的联系以及图像的灰度信息设定初始值;对调窗处理的后的图像梯度特征和纹理特征,利用机器学习构造出判别函数d(x)=w
5.根据权利要求1所述的改进的复杂背景遥感图像目标检测方法,其特征在于,步骤2的具体实现包括以下子步骤:步骤2.1:利用遥感图像制作遥感图像数据集,并确定出训练数据集和测试数据集;
步骤2.2:将训练数据输入特征提取网络进行特征提取,得到所需的特征图;
步骤2.3:将得到的特征图输入到基于先验知识的锚框改进网络中进行目标标注;
步骤2.4:将标注过的数据结果输入到基于IoU优化的锚框补选增强网络中进行锚框选择,得到最合适的锚框;
步骤2.5:将测试数据输入到训练后的复杂背景遥感图像目标检测网络,将检测结果与实际目标进行对比,若满足精度值mAP值为最大值时,则结束训练,获得训练好的复杂背景遥感图像目标检测网络;否则回转执行所述步骤2.2。
6.根据权利要求5所述的改进的复杂背景遥感图像目标检测方法,其特征在于:步骤2.1中,收集卫星遥感图像,在遥感图像上注释出图像中待检测目标的属性,包括类别、位置和形状;将标注后的卫星遥感图像尺寸调整至预设输入图像的大小,形成卫星遥感图像数据集;将制作好的数据集分为训练集和测试集。
7.一种改进的复杂背景遥感图像目标检测系统,其特征在于,包括以下模块:模块1,用于构建复杂背景遥感图像目标检测网络;
所述复杂背景遥感图像目标检测网络,包括特征提取网络、基于先验知识的锚框改进网络和基于IoU优化的锚框补选增强网络;
所述特征提取网络,以VoVNet作为基础网络,包括串联的3*3卷积层、并联的1*1卷积层,在VoVNet中进行串联的第一层卷积层之前与最后层卷积后级联残差结构和自注意力层;残差结构有一层卷积层conv1*1、批量归一化BN和激活函数leaky-relu;VoVNet连续的卷积层进行双向连接,既与后一层相连接,又在最后一个特征图一次性聚合所有特征;
所述基于先验知识的锚框改进网络,用于将特征提取网络输出的特征图使用调窗算法进行类型转化,提取有效的结构信息,然后提取先验信息;
窗算法为设计锚框的算法,调窗算法是将特征图从第一个灰度自左向右进行面积累加,当累加的面积占到整个特征图面积的72%时对应的灰度值作为窗位,然后设定固定窗宽,将其改进,将特征图的局部极小值点的灰度值作为窗底,然后搜索剩余值中的最大值,令其灰度值作为窗位;
所述基于IoU优化的锚框补选增强网络,用于设置一个与真实锚框A相同大小的假锚框B,S所述特征提取网络的自注意力层,在自注意力层中特征图x的输入为c×h×w,c其是特征图的通道数,h是特征图的高度,w是特征图的宽度;特征图x先在h×w两个卷积核进行卷积,然后缩减特征图的通道数cS
其中,N表示尺度特征图矩阵中元素的数量,j表示区域,i表示位置,xO=(O
其中,W
将权重加入自注意特征图,原始权重值为0,权重值的迭代由反向传播的神经网络完成:y模块2,用于训练复杂背景遥感图像目标检测网络;
模块3,用于将待测遥感图像输入训练好的复杂背景遥感图像目标检测网络中进行目标检测,得到目标检测结果。