李響， 蘇娟， 楊龍，3

(1.火箭軍工程大學(xué) 核工程學(xué)院， 陜西 西安 710025； 2.96823部隊，云南 昆明 650000；3.96873部隊， 陜西 寶雞 721000)

0 引言

建筑物是重要的人造目標(biāo)，遙感圖像中的建筑物檢測在城市規(guī)劃、災(zāi)情評估、軍事偵察等方面具有重大意義[1]。在遙感圖像處理領(lǐng)域，因合成孔徑雷達(SAR)圖像具有高分辨率、成像全天時、全天候的特性，SAR圖像中的建筑物檢測技術(shù)一直受到廣泛關(guān)注和研究。

傳統(tǒng)SAR圖像中建筑物檢測算法主要分為以下3種：1)基于先驗知識的檢測方法；2)基于模型的檢測方法；3)基于機器學(xué)習(xí)的檢測方法。其中基于機器學(xué)習(xí)的檢測方法主要基于數(shù)據(jù)驅(qū)動，通過訓(xùn)練分類器自動建立目標(biāo)模型，實現(xiàn)對目標(biāo)的檢測。Konstantinidis等[2]設(shè)計方向梯度直方圖- 局部二值模式特征描述符，用于訓(xùn)練支持向量機(SVM)分類器，實現(xiàn)對建筑物的分類。劉靜等[3]提出了馬爾可夫隨機場模型的高分辨率SAR圖像建筑物輪廓提取方法。姜萍等[4]提出將基于像素的訓(xùn)練SVM條件隨機場(SVM-CRF)模型擴展到面向?qū)ο蟮亩喑叨萐VM-CRF模型，使之能同時有效地描述建筑物突出的“面狀”特征及其層次、空間上下文相關(guān)性。上述方法提高了檢測精度和檢測效率，給建筑物檢測帶來了新的思路。缺點是模型提取的特征與分類器的設(shè)計有關(guān)，導(dǎo)致提取的特征深度受到限制。

利用卷積神經(jīng)網(wǎng)絡(luò)能夠從數(shù)據(jù)中自動學(xué)習(xí)特征的深度學(xué)習(xí)算法，在計算機視覺領(lǐng)域得到廣泛應(yīng)用，基于深度學(xué)習(xí)的目標(biāo)檢測算法在可見光領(lǐng)域得到迅速發(fā)展。在SAR圖像目標(biāo)檢測領(lǐng)域，深度學(xué)習(xí)同樣被應(yīng)用在坦克目標(biāo)檢測[5]、艦船目標(biāo)檢測[6]、飛機目標(biāo)檢測[7]、SAR圖像道路分割[8]、大場景下建筑物檢測[9]、SAR圖像生成[10]等領(lǐng)域，深度學(xué)習(xí)通過卷積層的相互組合，自動提取、學(xué)習(xí)圖像中的結(jié)構(gòu)化特征，使檢測精度大大提升，克服了傳統(tǒng)檢測算法提取特征不夠深、檢測模型魯棒性差、檢測時間長等缺點。

成熟的深度學(xué)習(xí)檢測網(wǎng)絡(luò)主要分為雙階段檢測和單階段檢測。其中雙階段檢測代表算法主要有區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(R-CNN)[11]、Fast R-CNN[12]、Faster R-CNN[13]等，單階段檢測代表算法主要有YOLO[14]、單次多盒檢測器(SSD)[15]、YOLOv2[16]、YOLOv3[17]等。其中YOLOv3是目前為止速度和精度最為均衡的目標(biāo)檢測網(wǎng)絡(luò)，其在目標(biāo)檢測任務(wù)中性能表現(xiàn)尤為突出。

由于SAR數(shù)據(jù)獲取成本高，遙感圖像圖幅面積大、解譯所需的專業(yè)知識要求高等特點，目前已知公開的SAR圖像目標(biāo)檢測數(shù)據(jù)集主要有運動和靜止目標(biāo)的獲取與識別數(shù)據(jù)集、SAR艦船目標(biāo)檢測數(shù)據(jù)集[18]。在SAR圖像建筑物檢測領(lǐng)域，目前還沒有公開的SAR建筑物數(shù)據(jù)集(SBD)。因此SBD的制作對于SAR圖像中建筑物檢測技術(shù)的研究和發(fā)展具有重要意義。

本文將YOLOv3算法應(yīng)用到SAR圖像建筑物檢測中，針對SAR圖像領(lǐng)域公開數(shù)據(jù)集匱乏問題，自行制作SBD；改進YOLOv3網(wǎng)絡(luò)結(jié)構(gòu)，以提高建筑物檢測任務(wù)的精度。相比直接使用原始YOLOv3算法，平均檢測精度得到提高。

1 SBD制作

1.1 數(shù)據(jù)來源

搜集各類SAR圖像，通過人工查找、裁剪等方法，從大場景SAR圖像中獲取不同背景下、不同表現(xiàn)形式的建筑物數(shù)據(jù)，制作SBD. 數(shù)據(jù)集共包含1 000張圖片，數(shù)據(jù)集圖片像素大小為416×416、512×512；數(shù)據(jù)來源包含X波段，C波段等Terra SAR、高分3號衛(wèi)星、美國桑迪亞國家實驗室等機載、星載平臺拍攝的經(jīng)過幾何校正的SAR圖像；圖像分辨率分別為0.5 m、1 m、1.25 m、5 m等；極化方式包括交叉極化(VH、HV)、同極化(HH、VV)。數(shù)據(jù)集中建筑物類型包括一般獨立建筑、外形不規(guī)則特殊建筑、規(guī)則建筑群，圖1所示為3種典型建筑物示例圖。

1.2 數(shù)據(jù)集標(biāo)注

利用標(biāo)注軟件LabelImg對獲取到的含有建筑物的圖像切片進行標(biāo)注。LabelImg軟件是基于Python語言編寫的用于深度學(xué)習(xí)數(shù)據(jù)集制作的圖片標(biāo)注工具，主要用于記錄目標(biāo)的類別名稱和位置信息，并將信息存儲在可擴展標(biāo)記語言(XML)格式文件中。

具體標(biāo)注流程如下：首先對圖像中的建筑物進行人工識別，確定其為建筑物目標(biāo)；然后用垂直的最小外接矩形框?qū)⒔ㄖ锬繕?biāo)依次選中，同時設(shè)置類別標(biāo)簽為“building”。矩形框的標(biāo)記信息(x,y,h,w)儲存在標(biāo)簽XML文件中，其中(x,y)為矩形框的左上角坐標(biāo)，h、w分別為矩形框高度和寬度。數(shù)據(jù)標(biāo)注示例圖如圖2(b)所示，其中綠色矩形框為標(biāo)注為建筑物目標(biāo)，(x1,y1)為矩形框左上角坐標(biāo)，(x2,y2)為矩形框右下角坐標(biāo)。根據(jù)YOLOv3訓(xùn)練要求，將XML文件轉(zhuǎn)化為以類別、目標(biāo)坐標(biāo)為內(nèi)容的文本(TXT)格式文件，為下一步訓(xùn)練做準(zhǔn)備。標(biāo)注數(shù)據(jù)類型轉(zhuǎn)換如圖2(c)所示，其中左側(cè)紫色文件為XML格式的標(biāo)注信息，右側(cè)TXT格式文件中第1個數(shù)值為類別對應(yīng)的序號，后4個數(shù)值分別表示以圖2(b)左上角為原點的標(biāo)注矩形框的左上角和右下角橫縱坐標(biāo)。

圖2 數(shù)據(jù)標(biāo)注示意圖Fig.2 Data labeling diagram

在數(shù)據(jù)集制作過程中，由于SAR圖像數(shù)據(jù)有限，本文盡可能加入不同尺度、不同形狀和表現(xiàn)形式的建筑物，改變同一圖像的分辨率大小，并在訓(xùn)練預(yù)處理中對數(shù)據(jù)進行增廣處理，即進行旋轉(zhuǎn)、獨立目標(biāo)裁剪、顏色抖動、隨機平移等操作，并修改相應(yīng)的標(biāo)簽數(shù)據(jù)，最終數(shù)據(jù)集大小為1 438張圖像。數(shù)據(jù)增強效果示意圖如圖3所示。數(shù)據(jù)增強的目的是增加訓(xùn)練樣本的多樣性，避免訓(xùn)練過程出現(xiàn)過擬合，提高網(wǎng)絡(luò)泛化能力。

圖3 數(shù)據(jù)增廣示意圖Fig.3 Schematic diagram of data augmentation

1.3 數(shù)據(jù)集分析

SBD一共含有1 438張圖像，建筑物總數(shù)為13 457個。圖4(a)所示為數(shù)據(jù)集中每張圖像所含建筑物個數(shù)的統(tǒng)計直方圖，圖4(b)所示為每個目標(biāo)像素占所在圖像像素比例的統(tǒng)計直方圖。目標(biāo)平均像素大小為2 687.103 5，目標(biāo)平均與原圖的比例為0.013 2.

圖4 數(shù)據(jù)集中目標(biāo)信息統(tǒng)計直方圖Fig.4 Statistical histogram of target information in dataset

由圖4(a)可知，數(shù)據(jù)集中每張圖像上的目標(biāo)數(shù)量有較大變化，大部分圖像中有1～10個目標(biāo)，其他圖像中有10個以上的目標(biāo)，圖像中目標(biāo)數(shù)量較多，分布較密集。由圖4(b)可知，建筑物目標(biāo)像素大小存在多樣性且在圖像中占比很小，因此建筑物屬于小目標(biāo)，圖像中存在較多背景信息。

李健偉等[18]分析了Faster R-CNN算法在可見光數(shù)據(jù)集目標(biāo)檢測中取得較好效果、在SAR圖像艦船目標(biāo)檢測中性能不佳的原因，指出SAR圖像中艦船目標(biāo)在圖像中像素占比小、預(yù)訓(xùn)練特征不適用于SAR圖像等。同理，從SAR圖像成像特性來看，相比于可見光圖像中的建筑物，SAR圖像中建筑物的成像形式不受建筑物本身外觀顏色變化的影響，主要與建筑物與雷達波束的方向夾角和自身高度有關(guān)，成像模型具有規(guī)律性和穩(wěn)定性。但相比于高分辨率可見光圖像，SAR圖像中建筑物的細(xì)節(jié)紋理信息不明顯，一些非建筑金屬物體在SAR圖像中的表現(xiàn)形式類似于建筑物，從而容易導(dǎo)致檢測結(jié)果存在虛警，且SAR圖像中的斑點噪聲也會對檢測效果帶來影響，因此需要準(zhǔn)確識別建筑物，記錄正確的標(biāo)簽信息，確保訓(xùn)練模型的有效性。

針對20類目標(biāo)在圖像分類、目標(biāo)檢測、圖像分割等領(lǐng)域進行算法評估的VOC2007數(shù)據(jù)集含有9 963張圖像，因此圖像數(shù)量為1 438，目標(biāo)類別僅有一類的SBD能夠滿足SAR圖像建筑檢測算法性能的檢驗。從SBD可知：在不同圖像中建筑物數(shù)量變化較大，同一張圖像中建筑物可能同時存在多種尺度和多種位置、朝向等分布情況；不同波段、不同極化方式下建筑物和背景噪聲的表現(xiàn)形式有所不同；不同分辨率下，建筑物尺寸大小、細(xì)節(jié)紋理的表現(xiàn)形式也會有區(qū)別；相比于圖像大小而言，建筑物屬于小目標(biāo)。結(jié)合圖4的分析可知，針對建筑物目標(biāo)的檢測需要研究多尺度檢測網(wǎng)絡(luò)模型，保留細(xì)節(jié)信息，充分利用建筑物的空間信息等。

綜上所述，SBD可應(yīng)用于SAR圖像建筑檢測模型的研究，在構(gòu)建檢測模型時，需要從建筑物的細(xì)節(jié)信息、形狀特性、多尺度特征出發(fā)。

2 SAR圖像建筑物檢測

2.1 YOLOv3算法的基本原理

YOLOv3算法是YOLOv1和YOLOv2算法的改進版本，同時吸收了其他檢測網(wǎng)絡(luò)的優(yōu)勢特征，是目前深度學(xué)習(xí)檢測網(wǎng)絡(luò)中檢測效果最佳的單階段檢測網(wǎng)絡(luò)之一。YOLOv3算法是基于Darknet框架實現(xiàn)的，Darknet是基于C語言與CUDA運算平臺的開源深度學(xué)習(xí)框架，具有結(jié)構(gòu)清晰、可移植性強、輕量化、不依靠依賴項的特點。

YOLOv3算法采用全卷積神經(jīng)網(wǎng)絡(luò)，在以殘差結(jié)構(gòu)為主體的Darknet-53骨架網(wǎng)絡(luò)基礎(chǔ)上，增加了跳過連接層和上采樣層，共75個卷積層。在特征提取過程中，輸入圖像大小默認(rèn)為416×416像素時，借鑒特征金字塔網(wǎng)絡(luò)思想，在3個尺度大小(13×13、26×26 和 52×52)的特征圖上，給每個尺度分配3個不同大小的預(yù)選框，然后基于圖像的全局信息進行目標(biāo)預(yù)測，從而實現(xiàn)端到端的檢測。在下采樣中YOLOv3算法使用步幅為2的卷積層對特征圖進行卷積，減少池化步驟導(dǎo)致的小目標(biāo)信息丟失。YOLOv3算法檢測流程和Darknet-53網(wǎng)絡(luò)結(jié)構(gòu)如圖5所示。圖5中，a、b為圖像大小，n為通道數(shù)。張量拼接模塊的作用是將Darknet網(wǎng)絡(luò)中間特征層與上采樣后的特征圖進行拼接，拼接后張量維度也隨之疊加增大。

YOLOv3算法的損失函數(shù)由位置誤差(中心坐標(biāo)預(yù)測誤差、邊界框預(yù)測誤差)、分類誤差、置信度誤差3部分組成，損失函數(shù)公式如下：

Loss=5×(exy+ewh)+1×ec+
1×eoc+0.5×enc，

(1)

式中：Loss為損失函數(shù)；位置誤差分為exy和ewh，exy為目標(biāo)中心相對于所在網(wǎng)格左上角的偏移量誤差，ewh為錨點框的長度和寬度誤差，位置誤差權(quán)重為5；ec為分類誤差，權(quán)重為1；置信度誤差分為eoc和enc，分別表示目標(biāo)置信度誤差和非目標(biāo)置信度誤差，權(quán)重分別為1和0.5.

2.2 改進YOLOv3的檢測算法

2.2.1 SAR-YOLOv3算法檢測網(wǎng)絡(luò)

建筑物在圖像中的位置信息和輪廓信息豐富，這是建筑物的重要特征。深度卷積神經(jīng)網(wǎng)絡(luò)中，淺層卷積網(wǎng)絡(luò)主要是提取圖像的輪廓形狀特征，深層卷積網(wǎng)絡(luò)主要是提取語義信息。因此通過分析SAR圖像中的建筑物特性、分布規(guī)律，提出適合SAR圖像建筑物檢測任務(wù)的SAR-YOLOv3檢測算法，以下簡稱S-YOLOv3算法。S-YOLOv3算法網(wǎng)絡(luò)結(jié)構(gòu)和檢測流程如圖6所示，圖中ResX為改進的殘差模塊，SFF為淺層特征融合模塊。在YOLOv3算法的Darknet-53網(wǎng)絡(luò)基礎(chǔ)上，增加輪廓信息比重，即將淺層特征下采樣后與原始3個尺度的特征圖進行融合，再在新的特征圖上預(yù)測；同時改進殘差結(jié)構(gòu)，增加通道信息的利用，擴展網(wǎng)絡(luò)寬度，在不增加網(wǎng)絡(luò)計算量的基礎(chǔ)上提高檢測精度。

2.2.2 結(jié)構(gòu)改進

2.2.2.1 SFF模塊

SAR圖像中建筑物目標(biāo)的輪廓、尺寸、灰度特性等淺層特征在目標(biāo)檢測中起到重要指導(dǎo)作用，相比于全局特征和語義特征，淺層特征在建筑物檢測過程中應(yīng)具有更大的權(quán)重。因此在兼顧計算量和特征信息保持性的同時，將原圖像下采樣4倍后大小為104×104像素的特征圖從骨架網(wǎng)絡(luò)中抽取出來，經(jīng)過3次下采樣后分別與原始3個尺度的特征層融合，再在新的多尺度特征圖上進行檢測。待融合的淺層特征圖如圖7所示，3個尺度(13×13、26×26 和 52×52)下的特征融合圖如圖8所示。

由圖7(a)和圖8(a)可以直觀看出，通過卷積層進行特征提取得到的特征圖與原始圖像相比表現(xiàn)形式有較大的差異，難以解釋和辨別。由圖7(c)可以發(fā)現(xiàn)，淺層特征圖中建筑物邊緣輪廓和紋理信息比較明顯，隨著經(jīng)過的卷積層層數(shù)增加，圖像尺寸越來越小，多次卷積操作會導(dǎo)致原始圖像中的細(xì)節(jié)信息逐漸丟失。如圖8(a)52×52尺度所示，原始YOLOv3在52×52尺度特征圖上建筑物輪廓信息不明顯，僅剩下語義信息，但圖8(b)52×52尺度增加淺層信息后特征圖像中的建筑物輪廓紋理更加明顯，對建筑物檢測具有重要意義的輪廓紋理特征比重有所增加，使圖像所含信息更加豐富。

2.2.2.2 ResX模塊

YOLOv3算法中的Darknet-53骨架網(wǎng)絡(luò)是借鑒殘差網(wǎng)絡(luò)(ResNet)[19]模型、以多個相同的殘差單元堆疊構(gòu)成的，通過增加網(wǎng)絡(luò)深度可以獲得更大感受野，減少超參數(shù)的設(shè)計。ResNet 的定義和模型結(jié)構(gòu)如(2)式和圖9所示，將模型的學(xué)習(xí)過程轉(zhuǎn)化為對殘差F(x)的擬合，通過學(xué)習(xí)使殘差最小，最終使映射H(x)接近輸入x.

圖5 YOLOv3算法檢測流程和Darknet-53網(wǎng)絡(luò)結(jié)構(gòu)Fig.5 Flow chart of YOLOv3 and Darknet-53 structure

圖6 S-YOLOv3算法網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.6 Network structure of S-YOLOv3

圖7 原始SAR圖像和待融合的淺層特征圖Fig.7 Original SAR image and shallow feature map to be fused

圖8 不同尺度下的待檢測融合特征圖Fig.8 Fusion features to be detected at different scales

H(x)=F(x,{wi})+x，

(2)

式中：wi為投影系數(shù)，用以使殘差和輸入維度保持一致。

圖9 ResNet模塊結(jié)構(gòu)示意圖Fig.9 Network structure of ResNet module

相比于YOLOv2算法，YOLOv3算法引入了殘差結(jié)構(gòu)，增加了網(wǎng)絡(luò)深度，取得較好的檢測效果。但隨著網(wǎng)絡(luò)深度增加，運算量也會增加，且網(wǎng)絡(luò)在增加深度的同時沒有充分利用通道信息，因此再次加深網(wǎng)絡(luò)并不是提高檢測精度和檢測效率的最佳選擇。本文借鑒深度神經(jīng)網(wǎng)絡(luò)的聚合殘差轉(zhuǎn)換(ResNeXt)[20]思想，將改進后的殘差模塊引入YOLOv3算法中，擴展網(wǎng)絡(luò)寬度，在不增加網(wǎng)絡(luò)計算量的同時提高檢測精度。

ResNeXt模型采用拓?fù)淠K堆疊而成，是Inception[21]模塊在ResNet結(jié)構(gòu)上的應(yīng)用。ResNeXt的定義和模型結(jié)構(gòu)如(3)式和圖10所示。

(3)

式中：C為分組卷積的組數(shù)；Ψi(x)為分組卷積中每一路卷積。

圖10 ResNeXt模型結(jié)構(gòu)示意圖Fig.10 Network structure of ResNeXt model

圖11 改進后骨架網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.11 Diagram of improved skeleton network structure

ResNeXt模型中，原始ResNet網(wǎng)絡(luò)模型中的卷積被分解為以基數(shù)為單位的卷積組，然后將各通道信息進行合并，最后與卷積前的特征圖相加。ResNeXt模型同時結(jié)合了ResNet網(wǎng)絡(luò)超參數(shù)選擇少和Inception網(wǎng)絡(luò)資源利用率高等優(yōu)點。

本文將Darknet-53網(wǎng)絡(luò)結(jié)構(gòu)中第33層～第36層、第58層～第61層、第71層～第74層之間的殘差模塊改進為多路ResX模塊，即在原始?xì)埐罱Y(jié)構(gòu)中間增加多路卷積，得到ResX模塊結(jié)構(gòu)圖如圖11所示。

如圖11所示，將3組原始?xì)埐钅K中的單路卷積改為結(jié)構(gòu)一致的多路卷積。ResX模塊中第1層1×1卷積的目的是進行降維、降低計算量，3×3卷積層組的目的是提高特征圖的感受野，最后1層1×1卷積目的是恢復(fù)特征圖的維度以實現(xiàn)跨通道信息融合。改進后網(wǎng)絡(luò)深度增加了3層卷積層，ResX模塊計算量公式為

(4)

式中：amount為計算量。當(dāng)C=4、n=256時，對一個ResX模塊計算量amount和Res模塊計算量amountRes進行比較：

amount=256×1×64+4×(64×3×3×64)+
64×1×256=180 224，
amountRes=256×1×128+128×3×
3×256=327 680.

通過計算可以發(fā)現(xiàn)，改進后一個殘差模塊的計算量減少了45%，由此可知改進后的殘差模塊沒有引入額外的計算量。

2.2.3 非結(jié)構(gòu)改進

2.2.3.1 預(yù)設(shè)錨點框的選擇

預(yù)設(shè)錨點框是通過K均值(K-means)聚類算法聚類得到的，聚類中心數(shù)設(shè)為9. 隨機化初始位置，計算標(biāo)注信息中每個標(biāo)注框與聚類中心點的距離，將標(biāo)注框分給距離最近的聚類中心，分配完成后重新計算聚類中心點，直至聚類中心不發(fā)生變化。而傳統(tǒng)K-means算法是采用歐氏距離作為相似性度量，但在檢測算法中，設(shè)置合理尺寸錨點框的目的，是使預(yù)測值和真實值取得更好的交并比。因此YOLOv3算法采用以交并比為距離度量的K-means算法得到，距離公式如下：

d(r,o)=1-IOU(r,o)，

(5)

(6)

式中：d(r,o)為預(yù)測框r和聚類中心o之間的距離；IOU(·)為平均交并比函數(shù)；rpt為預(yù)測框；rgt為實際框。

原始YOLOv3算法中的9個預(yù)設(shè)錨點框是通過對上下文中通用對象(COCO)數(shù)據(jù)集聚類得到的，分為3組：((116，90)、(156，198)、(373，326))；((30，61)、(62，45)、(59，119))；((10，13)、(16，30)、(33，23))，分別對應(yīng)3個尺度(13×13、26×26和52×52)特征圖，進行目標(biāo)邊界框的預(yù)測。由于COCO數(shù)據(jù)集包含的目標(biāo)類別豐富且目標(biāo)尺寸差異較大，通過人工判讀發(fā)現(xiàn)SAR圖像中建筑物目標(biāo)外形以長而窄的矩形為主，因此原始設(shè)定的預(yù)選框不適合用于本文單類建筑物數(shù)據(jù)集，同時在實驗中發(fā)現(xiàn)訓(xùn)練過程中采用原始預(yù)選框會出現(xiàn)某一尺度上無法檢測到目標(biāo)的情況。本文通過K-means算法對SBD數(shù)據(jù)進行重新聚類，得到適合SAR建筑物數(shù)據(jù)的預(yù)設(shè)錨點框。通過10次聚類，求得平均聚類結(jié)果為：((65，53)、(83，31)、(118，86))；((36，23)、(50，19)、(56，29))；((20，11)、(30，14)、(35，43))。如圖12所示，原始預(yù)設(shè)錨點框不能很好地適應(yīng)SAR圖像建筑物目標(biāo)，而重新聚類后的錨點框比例大小能夠符合SAR圖像建筑物數(shù)據(jù)的形狀特點。

圖12 預(yù)設(shè)錨點框?qū)ㄖ锬繕?biāo)的作用范圍示例圖Fig.12 Example diagram of the preset anchor frame on a building target

2.2.3.2 上采樣改進

圖13 轉(zhuǎn)置卷積原理示意圖Fig.13 Transposed convolution

由圖5可知，YOLOv3算法將底層特征圖進行上采樣，然后與同等大小的淺層特征進行融合，最后在融合得到的3個尺度特征圖上進行目標(biāo)分類和位置回歸。在原始YOLOv3算法中上采樣層采用最近鄰插值算法。最近鄰插值算法主要求解步驟為：1)計算輸出圖像某一像素點在原始圖像中所對應(yīng)的坐標(biāo)點位置；2)將對應(yīng)坐標(biāo)點的相鄰4個像素點中距離最近的像素點灰度值作為插值大小。該方法簡單、易行，但容易造成上采樣后圖像灰度不連續(xù)的情況。

因此本文用轉(zhuǎn)置卷積[22]替代最近鄰插值算法，將簡單插值過程轉(zhuǎn)變?yōu)閷W(xué)習(xí)過程，通過卷積運算進行像素插值，以減少灰度的細(xì)節(jié)特征丟失。首先對輸入圖像進行補0，然后將卷積核按設(shè)定的步長在圖像上滑動，計算對應(yīng)像素點所需的插值。轉(zhuǎn)置卷積運算過程如圖13所示。圖13中，k為卷積核尺寸，p為補0的行列數(shù)。

轉(zhuǎn)置卷積后圖像尺寸大小計算公式為

Io=(Ii-1)×s+k-2×p，

(7)

式中：Ii和Io為輸入圖像和輸出圖像大??；s為卷積核的滑動步長。當(dāng)s=2、k=4、p=1時，輸出圖像尺寸為原來尺寸的兩倍。

3 實驗結(jié)果與分析

3.1 實驗設(shè)置

本文使用的硬件平臺有：中央處理器Intel(R) Core(TM) i5-3210M @2.50 GHz×2，圖形處理器NVIDIA GTX 1080Ti ×2，64 GB內(nèi)存；使用的網(wǎng)絡(luò)框架為Darknet；編程語言為C語言和Python語言；操作系統(tǒng)為Ubuntu 16.04；使用的數(shù)據(jù)集為本文制作的SBD.

在SBD上進行SAR建筑物檢測模型的訓(xùn)練，并在驗證集上進行檢測。訓(xùn)練集和驗證集按照7∶3的比例進行隨機分配。預(yù)設(shè)訓(xùn)練參數(shù)為：動量0.9，權(quán)重衰減系數(shù)0.000 5，前1 000次迭代的學(xué)習(xí)率0.001，迭代到40 000次時學(xué)習(xí)衰減十分之一，最大迭代次數(shù)50 200，類別數(shù)1，預(yù)測層的前一層卷積核數(shù)18.

使用以對象為基準(zhǔn)的評估指標(biāo)進行效果評估，即平均準(zhǔn)確率AP、召回率Recall、平均交并比IOU、檢測速度FPS和準(zhǔn)確率- 召回率(P-R)曲線，公式定義為

(8)

(9)

式中：TP被預(yù)測為“+”，實際為“+”；TN被預(yù)測為“-”，實際為“+”；FN被預(yù)測為“-”，實際為“-”；FP被預(yù)測為“+”，實際為“-”。

3.2 模型測試實驗

為測試本文方法在SAR圖像建筑物檢測中的效果，設(shè)置實驗1和實驗2進行檢測效果評估。其中實驗1是預(yù)置條件和非網(wǎng)絡(luò)結(jié)構(gòu)改進(預(yù)訓(xùn)練權(quán)重、預(yù)設(shè)錨點框、上采樣方式)對SAR圖像建筑物檢測結(jié)果的影響進行評估，以確定最優(yōu)的初始條件并論證模型的非結(jié)構(gòu)改進作用；實驗2是在實驗1取得最優(yōu)檢測結(jié)果的模型基礎(chǔ)上，增加網(wǎng)絡(luò)結(jié)構(gòu)改進并與原始YOLOv3算法檢測效果的比較。通過兩個實驗評估網(wǎng)絡(luò)結(jié)構(gòu)改進模塊對SAR圖像建筑物檢測結(jié)果的影響，以此確定最優(yōu)的檢測模型。

選取檢測精度最好的迭代次數(shù)對應(yīng)的訓(xùn)練權(quán)重作為最終訓(xùn)練好的模型。不同實驗方案對應(yīng)的實驗結(jié)果分別如表1、表2所示。表2中FPS表示每秒處理的圖片數(shù)量。

表1 實驗1結(jié)果

表2 實驗2結(jié)果

由表1第1行和第3行數(shù)據(jù)、第2行和第4行數(shù)據(jù)對比可知，根據(jù)實際數(shù)據(jù)集對預(yù)設(shè)錨框進行重新設(shè)置，平均檢測精度和召回率均得到顯著提高，表明錨點框的設(shè)置對于檢測精度具有促進作用。由第2行和第5行數(shù)據(jù)、第4行和第6行數(shù)據(jù)對比可以看出，采用轉(zhuǎn)置卷積進行上采樣，對于檢測效果有0.5%～0.8%左右的略微提高。

通過比較實驗1前4行數(shù)據(jù)可以發(fā)現(xiàn)，預(yù)訓(xùn)練權(quán)重的使用與否，對于SAR圖像建筑物檢測效果影響沒有較大影響。主要原因是官方提供的預(yù)訓(xùn)練模型是通過可見光數(shù)據(jù)集在Darknet-53骨架網(wǎng)絡(luò)訓(xùn)練得出的，而SAR圖像與可見光圖像在成像機理、圖像表現(xiàn)形式上有較大差異，且本文對骨架網(wǎng)絡(luò)進行了改進，因此在實驗2中沒有使用預(yù)訓(xùn)練權(quán)重。

由表2可知，相比原始YOLOv3算法，增加了ResX模塊和SFF模塊的YOLOv3算法在保持較快檢測速度的同時提高了檢測精度。殘差結(jié)構(gòu)ResX中卷積組數(shù)的增加有利于提升模型性能，同時保持網(wǎng)絡(luò)結(jié)構(gòu)的靈活性。淺層特征融合SFF模塊對于檢測精度的提升效果顯著。表明兩個模塊相結(jié)合的S-YOLOv3算法平均檢測精度提高了9.2%，召回率提高了6.3%.

由實驗2結(jié)果可以看出：改進后的YOLOv3算法和原始YOLOv3算法檢測速度相差不大，能夠在1 s內(nèi)實現(xiàn)40張以上數(shù)量的圖像檢測，保持較快的檢測速度。

P-R曲線可以同時衡量模型的準(zhǔn)確率和召回率，曲線與坐標(biāo)軸的面積越大，模型表現(xiàn)越佳。不同網(wǎng)絡(luò)結(jié)構(gòu)的YOLOv3的P-R曲線如圖14所示。

由圖14(a)可以發(fā)現(xiàn)，YOLOv3-ResX(C=2)、YOLOv3-ResX(C=4)和YOLOv3-SFF算法的P-R曲線比原始YOLOv3算法下降趨勢更慢，在保持較高召回率的同時能夠保持較高檢測精度，表明ResX模塊和SFF模塊對檢測效果的提升有促進作用，其中SFF模塊對檢測效果的提升作用大于ResX模塊。圖14(b)為結(jié)合ResX(C=4)和SFF兩個模塊的S-YOLOv3算法和原始YOLOv3算法的P-R曲線。由圖14(b)可以看出，S-YOLOv3算法的P-R曲線比原始YOLOv3算法的P-R曲線位置更高、下降幅度更慢，曲線與坐標(biāo)軸的面積更大，表明S-YOLOv3算法比原始YOLOv3算法在SAR圖像建筑物檢測任務(wù)上表現(xiàn)更佳。

圖14 不同算法間的P-R曲線比較圖Fig.14 Comparison of P-R curves of different algorithms

3.3 模型性能評估實驗

通過對SBD進行學(xué)習(xí)、訓(xùn)練得到檢測模型，對模型性能進行評估，得到建筑物檢測結(jié)果如表3所示：其中第1行為4種典型場景下待檢測建筑物的地面分布情況，圖中的矩形框為數(shù)據(jù)集標(biāo)注框，本文對于數(shù)據(jù)集中的建筑物統(tǒng)一采用垂直的外接矩形框進行標(biāo)注，且標(biāo)注過程中將間距過小、過于密集的建筑物視為整體，檢測結(jié)果的表現(xiàn)形式與標(biāo)注情況一致；第2行圖像為原始YOLOv3算法的檢測結(jié)果；第3行圖像為S-YOLOv3算法針對同一數(shù)據(jù)的檢測結(jié)果。

根據(jù)SBD的統(tǒng)計特性可知，建筑物分布存在多樣性，目標(biāo)大小存在多尺度特性，目標(biāo)成像表現(xiàn)形式也不同。表3的結(jié)果表明：檢測結(jié)果與基準(zhǔn)標(biāo)注圖表現(xiàn)形式一致，原始YOLOv3算法和S-YOLOv3算法對SBD中分布規(guī)則且具有明顯建筑物成像特征的數(shù)據(jù)具有較好檢測效果；原始YOLOv3算法對SAR圖像中背景復(fù)雜、建筑物成像特征不明顯和大場景下建筑物目標(biāo)占圖幅比例小的數(shù)據(jù)漏檢率較高，而S-YOLOv3算法能夠克服以上缺點、降低漏檢率。由此表明改進后的YOLOv3算法能夠更好地適應(yīng)SBD數(shù)據(jù)集的數(shù)據(jù)特性。

4 結(jié)論

本文對SAR圖像中建筑物自動檢測算法進行了研究，通過分析SAR圖像數(shù)據(jù)集，針對SBD中目標(biāo)的特點對YOLOv3檢測算法進行了改進，并使用改進YOLOv3算法對建筑物進行檢測。得到以下主要結(jié)論：

1)相比原始YOLOv3算法，改進YOLOv3檢測算法的平均檢測精度提高了9.2%，召回率提高了6.3%.

2)ResX模塊和SFF模塊能夠在擴展網(wǎng)絡(luò)寬度、提高信息利用率的同時，保持較快檢測速度，促進檢測模型性能的提升。

3)改進YOLOv3算法能夠更好地適應(yīng)SBD的數(shù)據(jù)特性。

表3 建筑物檢測結(jié)果對比

總之，通過將在可見光數(shù)據(jù)集的目標(biāo)檢測任務(wù)中取得較好效果的YOLOv3檢測算法成功應(yīng)用到SAR圖像建筑物檢測領(lǐng)域，表明深度學(xué)習(xí)算法在SAR圖像建筑物檢測中的可行性，對后續(xù)SAR圖像中建筑物檢測算法的深入研究具有一定指導(dǎo)意義。