董志鵬

自然資源部第一海洋研究所,山東 青島 266061

高分辨率遙感影像目標(biāo)檢測作為高分對(duì)地觀測系統(tǒng)中影像信息自動(dòng)提取及分析理解的重要內(nèi)容,對(duì)高分對(duì)地觀測系統(tǒng)應(yīng)用價(jià)值的發(fā)揮具有重要影響。卷積神經(jīng)網(wǎng)絡(luò)作為最熱門的深度學(xué)習(xí)模型,由于其可以根據(jù)海量數(shù)據(jù)和標(biāo)注自行進(jìn)行有效圖像特征提取和學(xué)習(xí),在訓(xùn)練數(shù)據(jù)充足的情況下,模型具有良好的泛化能力,能夠在復(fù)雜多變的條件下依然保持良好的穩(wěn)健性和普適性。因此,基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測架構(gòu)被相繼提出,但現(xiàn)有網(wǎng)絡(luò)架構(gòu)多是針對(duì)自然圖像設(shè)計(jì)的,相對(duì)于自然圖像,高分辨率遙感影像存在背景更加復(fù)雜、目標(biāo)尺度更小、同類目標(biāo)尺度變化更大和影像尺寸更大等特點(diǎn);將這些網(wǎng)絡(luò)架構(gòu)直接用于高分辨率遙感影像目標(biāo)檢測會(huì)存在網(wǎng)絡(luò)目標(biāo)建議框尺度不匹配,待檢影像相對(duì)于網(wǎng)絡(luò)輸入過大,以及缺乏訓(xùn)練數(shù)據(jù)等問題。針對(duì)上述問題,論文系統(tǒng)性地開展基于卷積神經(jīng)網(wǎng)絡(luò)的高分辨遙感影像目標(biāo)檢測方法研究。主要研究內(nèi)容如下。

(1) 建立了兩個(gè)大規(guī)模高分辨率遙感影像目標(biāo)檢測數(shù)據(jù)集WHU-RSONE和WHU-RSONE 2.0。WHU-RSONE數(shù)據(jù)集影像采集于谷歌地球、天地圖、高景一號(hào)和高分二號(hào)影像。WHU-RSONE包含5977幅影像,影像大小為600×600～1372×1024像素,分辨率為0.5～0.8 m。WHU-RSONE包含51 866個(gè)目標(biāo),其中15 703個(gè)飛機(jī)、24 692個(gè)存儲(chǔ)罐和11 471個(gè)船只。WHU-RSONE 2.0是一個(gè)大尺度影像目標(biāo)檢測數(shù)據(jù)集,數(shù)據(jù)集影像為高分二號(hào)全色影像。WHU-RSONE 2.0包含110幅影像,影像大小為5000×5000像素,分辨率為0.8 m。WHU-RSONE 2.0包含7027個(gè)目標(biāo),其中2597個(gè)飛機(jī)、2635個(gè)存儲(chǔ)罐和1795個(gè)船只。該研究為高分辨率遙感影像目標(biāo)檢測方法的研究奠定了良好的數(shù)據(jù)基礎(chǔ)。

(2) 提出了高分辨率遙感影像目標(biāo)尺度特征的卷積神經(jīng)網(wǎng)絡(luò)檢測方法。首先,通過對(duì)數(shù)據(jù)集中的影像目標(biāo)尺度大小進(jìn)行統(tǒng)計(jì)分析,獲得遙感影像目標(biāo)合適的尺度范圍。然后,根據(jù)合適的遙感影像目標(biāo)尺度范圍,設(shè)計(jì)適合高分辨率遙感影像目標(biāo)尺度特征的卷積神經(jīng)網(wǎng)絡(luò)檢測架構(gòu)。該研究可以更好地解決高分辨率遙感影像目標(biāo)檢測中目標(biāo)尺度小、同類目標(biāo)尺度變化較大的問題。

(3) 提出了多尺度分塊融合的大尺寸高分辨率遙感影像目標(biāo)檢測方法。首先,通過將大尺寸遙感影像分割為不同尺寸大小的影像塊,統(tǒng)計(jì)不同大小的影像塊進(jìn)行目標(biāo)檢測時(shí),各類目標(biāo)的average precision(AP)值大小,獲得各類目標(biāo)AP值最大時(shí)對(duì)應(yīng)的影像塊尺寸,即獲得各類目標(biāo)檢測最優(yōu)時(shí)影像的分塊尺寸。然后,將各類目標(biāo)最優(yōu)影像分塊尺寸的目標(biāo)檢測結(jié)果融合疊加,使用軟非極大值抑制算法消除冗余的目標(biāo)檢測結(jié)果,獲得各類目標(biāo)AP值均最優(yōu)的影像檢測結(jié)果,即獲得大尺寸影像目標(biāo)檢測結(jié)果。該研究為大尺寸高分辨率遙感影像目標(biāo)檢測提供最優(yōu)分塊策略。

(4) 提出了基于嵌入式GPU高分辨率遙感影像卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)檢測方法,實(shí)現(xiàn)了遙感影像在軌目標(biāo)檢測。通過星地協(xié)同處理的方式,首先在地面服務(wù)器上訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)目標(biāo)檢測架構(gòu)的參數(shù)模型;然后將卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)和參數(shù)模型移植到嵌入式GPU內(nèi),從而實(shí)現(xiàn)高分辨率遙感影像在軌目標(biāo)檢測。該研究為基于嵌入式GPU實(shí)現(xiàn)高分辨率遙感影像卷積神經(jīng)網(wǎng)絡(luò)在軌目標(biāo)檢測提供理論與技術(shù)支撐。