基于強監督部件模型的遙感圖像目標檢測

周福送 霍宏 萬衛兵 方濤

摘 要：針對遙感圖像中由于背景復雜、目標外觀多樣和方向任意而導致的檢測精度不高的問題，提出一種基于強監督的部件模型方法。該方法針對目標的每個方向范圍訓練子模型，同時訓練集除了標注出目標的外接矩形，還標注出每個部件的位置及其語義。模型訓練時，首先，通過對訓練集圖像建立多尺度方向梯度直方圖（HOG）特征金字塔，且根據目標部件標注信息采用最小生成樹（MST）算法初始化模型結構；其次通過隱支持向量機（LSVM）方法訓練出多個對應不同方向區域的子模型，每個子模型由一個目標濾波器和多個兩倍分辨率的部件濾波器，以及位置關系模型組成，多個子模型最終合并成用來檢測的混合模型。目標檢測時，類似地建立多尺度特征金字塔，然后利用訓練濾波器模型在特征金字塔上以滑動窗口的方式計算匹配響應得分，對響應得分設置閾值且采用非極大值抑制（NMS）算法來獲得優化后的檢測結果。該方法在自建的遙感數據集上目標檢測精度達到了89.4%，對比弱監督部件模型（DPM）、分類器模板集成（文中有Exemplar和Examplar兩種形式，是否應統一為ExemplarExemplarSVMs）和方向梯度直方圖支持向量機（HOGSVM）方法中的最高精度，所提方法提升了4個百分點。實驗結果表明，所提算法能夠在解決方向和背景復雜問題上有一定的提升，而且可以應用于機場軍事飛機目標檢測。

關鍵詞：目標檢測；遙感圖像；部件模型；混合模型；強監督

中圖分類號： TP391.41 文獻標志碼：A英文標題