仿真圖像作為模板的遙感影像小目標(biāo)檢測方法

曹亞明，肖 奇，楊 震

1.中國科學(xué)院 國家空間科學(xué)中心，北京 100190

2.中國科學(xué)院大學(xué)，北京 100049

隨著航天航空技術(shù)的突飛猛進(jìn)，遙感技術(shù)也得到了快速成長，遙感技術(shù)在許多領(lǐng)域中都發(fā)揮著巨大作用，在交通、環(huán)境、農(nóng)業(yè)等領(lǐng)域中遙感技術(shù)都得到了廣泛的應(yīng)用。遙感技術(shù)的發(fā)展使得遙感影像的精度越來越高，遙感影像視角較高，包含豐富的位置、特征等信息[1-2]。因此，遙感影像中的目標(biāo)檢測受到了越來越多的關(guān)注。傳統(tǒng)的遙感影像目標(biāo)檢測任務(wù)是通過基于人工篩選特征、滑動窗口、分類器的方法來完成的[3-5]。深度學(xué)習(xí)在眾多計算機視覺任務(wù)中取得了很好的效果之后，基于深度學(xué)習(xí)的方法已經(jīng)被廣泛地應(yīng)用于目標(biāo)檢測任務(wù)中，并且基于深度學(xué)習(xí)的目標(biāo)檢測模型準(zhǔn)確率也遠(yuǎn)遠(yuǎn)高于基于人工篩選特征的方法[6-7]。然而，由于遙感影像中的目標(biāo)具有視角特殊、尺寸小、特征少、背景復(fù)雜、方向多變以及易受云霧遮擋等問題，導(dǎo)致將常規(guī)目標(biāo)檢測任務(wù)中表現(xiàn)優(yōu)秀的目標(biāo)檢測模型，直接應(yīng)用于遙感影像目標(biāo)檢測時效果較差，存在大量漏檢、誤檢[8]。與此同時，成像仿真技術(shù)越發(fā)成熟[9]，很多3D 建模軟件在工業(yè)、建筑等領(lǐng)域中的使用也變得越來越頻繁。虛擬圖像，尤其是將仿真圖像應(yīng)用于深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練與學(xué)習(xí)的應(yīng)用變得越來越多。在成像仿真技術(shù)的支持下，可以得到小目標(biāo)的更多特征，在與深度學(xué)習(xí)結(jié)合的過程中，更多的特征可以使得神經(jīng)網(wǎng)絡(luò)的結(jié)果得到提升。成像仿真的結(jié)果相當(dāng)于人類的常識，加入到神經(jīng)網(wǎng)絡(luò)中后，會使得神經(jīng)網(wǎng)絡(luò)的訓(xùn)練更快收斂、提高效率，并且加入仿真圖像以后，可以增強檢測結(jié)果的可解釋性。因此，本文提出一種基于仿真圖像的深度學(xué)習(xí)方法——TMSI-Net（template matching based on simulation image），利用模板匹配方法將仿真圖像所包含的特征與神經(jīng)網(wǎng)絡(luò)提取的特征進(jìn)行融合，來解決遙感影像小目標(biāo)檢測問題。成像仿真技術(shù)生成的仿真圖像包含了遙感小目標(biāo)的更多特征，如幾何形狀、材質(zhì)等。在與深度學(xué)習(xí)結(jié)合之后，更多的特征可以提升神經(jīng)網(wǎng)絡(luò)檢測遙感影像小目標(biāo)的準(zhǔn)確率。用大型遙感數(shù)據(jù)集VEDAI[10]以及加云霧之后的VEDAI-Cloud 對模型進(jìn)行了測試。結(jié)果表明將基于仿真圖像的模板匹配方法應(yīng)用于深度學(xué)習(xí)之后，對于遙感影像小目標(biāo)取得了較好的檢測效果，尤其是針對受云霧等天氣干擾的小目標(biāo)。

遙感影像小目標(biāo)檢測任務(wù)是分析和理解遙感影像所面臨的基本問題。該問題在很多的民用、軍用場景中頻繁出現(xiàn)。由于遙感影像中的目標(biāo)尺寸小，受云霧遮擋的影響大，角度特殊，所以該問題一直都很難被很好地解決。本文的實驗結(jié)果表明利用待檢測目標(biāo)的仿真圖像作為模板，以模板匹配的方式加入到神經(jīng)網(wǎng)絡(luò)之后，可以很好地提高網(wǎng)絡(luò)在遙感影像中的目標(biāo)檢測準(zhǔn)確率。

目前為止，深度神經(jīng)網(wǎng)絡(luò)是用來解決遙感影像目標(biāo)檢測任務(wù)最常用的方法。如何設(shè)計網(wǎng)絡(luò)結(jié)構(gòu)，以便使得網(wǎng)絡(luò)能夠提取或?qū)W習(xí)到足夠多的小目標(biāo)特征用于檢測，是深度神經(jīng)網(wǎng)絡(luò)方法的關(guān)鍵。針對遙感目標(biāo)與常規(guī)目標(biāo)的視角差異，許多研究者通過修改網(wǎng)絡(luò)結(jié)構(gòu)來適應(yīng)遙感影像小目標(biāo)檢測任務(wù)。本文提出的TMSI-Net通過改變網(wǎng)絡(luò)深度、將更淺層的特征圖用于檢測等改動，加快了網(wǎng)絡(luò)訓(xùn)練過程，并且可以去除掉對于小目標(biāo)檢測沒有意義的冗余信息。淺層的特征圖用于遙感影像目標(biāo)檢測可以提供更多的小目標(biāo)特征和信息，如位置、幾何等[11-12]。有的研究者通過改變RPN網(wǎng)絡(luò)輸入的卷積層、調(diào)整RPN網(wǎng)絡(luò)中的錨點尺寸來使得Faster R-CNN網(wǎng)絡(luò)更好地適應(yīng)遙感目標(biāo)檢測[6]。由此可以得出，改變網(wǎng)絡(luò)結(jié)構(gòu)已經(jīng)成為一種將深度學(xué)習(xí)應(yīng)用于遙感影像數(shù)據(jù)集的基本方法。

同時，也有很多方法通過對遙感數(shù)據(jù)集進(jìn)行預(yù)處理，去解決遙感影像小目標(biāo)檢測困難的問題。如果直接將高分辨率的遙感影像數(shù)據(jù)用于目標(biāo)檢測，確實會包含更多的目標(biāo)特征，但是高分辨率的遙感影像數(shù)據(jù)通常尺寸都很大，對于網(wǎng)絡(luò)的訓(xùn)練異常耗時，并且也會使得訓(xùn)練時每批次的數(shù)據(jù)有限，影響網(wǎng)絡(luò)的訓(xùn)練效果[13]。因此，有很多人考慮將大尺度的遙感數(shù)據(jù)集進(jìn)行剪切和分割，然后再將剪切之后的圖片塊用于網(wǎng)絡(luò)的訓(xùn)練與推理，但是這種方法會導(dǎo)致另一個問題的出現(xiàn)，如何能夠使得目標(biāo)在切割的過程中不被破壞[14]。有人提出了一種方法，將高分辨率遙感數(shù)據(jù)進(jìn)行下采樣到合適網(wǎng)絡(luò)訓(xùn)練的尺寸，然后再用其進(jìn)行網(wǎng)絡(luò)的訓(xùn)練與推理[10]。這種方法的不足之處在于下采樣之后的圖像沒有足夠多的小目標(biāo)特征可以用于檢測。本文提出的通過將仿真圖像以模板方式加入到神經(jīng)網(wǎng)絡(luò)中的方法，可以解決遙感影像數(shù)據(jù)集中缺乏小目標(biāo)特征用于檢測的問題。表現(xiàn)優(yōu)異的實驗結(jié)果也可以證明仿真圖像的加入確實可以提供更多小目標(biāo)特征與信息，提高網(wǎng)絡(luò)檢測結(jié)果。從本文的實驗結(jié)果中，也可以看出云霧的遮擋對于遙感影像小目標(biāo)檢測有很大的干擾，而加入仿真圖像之后，可以起到很好的抗干擾作用。本文提出的加入仿真圖像的方法，也為神經(jīng)網(wǎng)絡(luò)在應(yīng)用于某些特征學(xué)習(xí)受限的場景中時，提供了一種新的思路。將知識與常識以模板的方式加入到神經(jīng)網(wǎng)絡(luò)中可以提高網(wǎng)絡(luò)的表現(xiàn)，并且能增強網(wǎng)絡(luò)的可解釋性。

1 算法概述

1.1 TMSI-Net網(wǎng)絡(luò)結(jié)構(gòu)

TMSI-Net結(jié)構(gòu)如圖1所示。TMSI-Net的主干網(wǎng)絡(luò)為去掉最后一個殘差模塊的Darknet-53，共53 個卷積層，包含5 個殘差模塊，每個殘差模塊包含多個殘差單元。Conv 表示神經(jīng)網(wǎng)絡(luò)中的一個學(xué)習(xí)單元，具體為一個卷積層、一個批歸一化（batch normalization）層和一個池化層。池化層是通過改變卷積核的步長來實現(xiàn)的。每個殘差模塊包含不同數(shù)量的殘差單元，具體數(shù)字在圖1 中進(jìn)行了標(biāo)注。Concat 操作為指定兩個向量的某一維度進(jìn)行拼接，而其他維度固定。

圖1 TMSI-NetFig.1 TMSI-Net

通過將TMSI-Net 和其他模型分別在VEDAI、加云霧遮擋作為干擾的VEDAI 數(shù)據(jù)集上進(jìn)行測試，來驗證TMSI 算法的有效性。在實驗過程中，兩個數(shù)據(jù)集都按照5∶1的比例將圖像隨機地分為訓(xùn)練集、驗證集。

1.2 仿真圖像與數(shù)據(jù)集

仿真圖像是通過成像仿真技術(shù)生成的，而仿真成像技術(shù)是基于數(shù)學(xué)或物理方法來構(gòu)建全鏈路成像模型，最終由模型生成圖像的方法。構(gòu)建成像仿真系統(tǒng)的第一步是搭建成像仿真框架[15]。全鏈路的成像仿真框架從太陽直射、天空漫射開始，目標(biāo)經(jīng)過材質(zhì)劃分、并通過貼圖的方式來體現(xiàn)不同材質(zhì)的反射特性。材質(zhì)反射后的光照強度再經(jīng)過大氣傳輸模型，即大氣要素計算，最后進(jìn)入相機成像模塊。相機成像模塊主要負(fù)責(zé)將成像前來到相機模塊的光照強度根據(jù)一定計算規(guī)則轉(zhuǎn)化為相應(yīng)的電信號，然后經(jīng)過信號處理模塊，最終形成可見光仿真圖像，整個成像仿真系統(tǒng)的閉環(huán)鏈路就此搭建完成，全鏈路成像仿真框架如圖2所示。

圖2 全鏈路成像仿真框架Fig.2 Full link imaging simulation framework

TMSI 算法完成了仿真圖像與神經(jīng)網(wǎng)絡(luò)特征圖的匹配，并且將匹配過程中得到的有效信息加入到原來的特征圖中。在TMSI 算法過程中用到的仿真圖像如圖3所示。在生成仿真圖像的過程中，考慮只對數(shù)據(jù)集中的6 個類別進(jìn)行仿真，分別是船（boat）、轎車（car）、皮卡（pickup）、拖拉機（tractor）、卡車（truck）以及貨車（van）。仿真圖像的顏色和尺寸也進(jìn)行了適應(yīng)性的修改。首先，根據(jù)數(shù)據(jù)集中待檢測目標(biāo)的大小對仿真圖像的尺寸進(jìn)行調(diào)整。VEDAI數(shù)據(jù)集中一共有9個類別，分別是：飛機、船、小轎車、卡車、拖拉機、露營車、貨車、皮卡和其他類別。在VEDAI數(shù)據(jù)集中平均每幅圖像包含5.5 個車輛，大概占據(jù)了一幅圖像總像素的0.7%。在實驗過程中所使用的VEDAI圖像的尺寸為512×512，經(jīng)過簡單的計算，可以得到在圖像中的每個目標(biāo)所占據(jù)的像素大概為20×20。因此，為了更好地匹配特征圖中的目標(biāo)，在尺度上將生成的仿真圖像尺寸調(diào)整為30×30。為了適應(yīng)俯拍所得到的遙感影像中的目標(biāo)角度多樣性，對生成的小目標(biāo)仿真圖像進(jìn)行平面旋轉(zhuǎn)。仿真圖像數(shù)量越多，則在匹配過程中的計算消耗也會越大。因此，按照類別分別從生成的所有仿真圖像中挑選出6 張仿真圖，然后分別旋轉(zhuǎn)4等分角度（90°，180°，270°）來盡可能地捕捉遙感影像中角度多樣的小目標(biāo)，最后得到數(shù)量為24的仿真模板庫。遙感影像中的目標(biāo)背景通常比較復(fù)雜并且多變，例如，在VEDAI數(shù)據(jù)集中的很多船是在陸地上而不是常見的以水為背景。所以在仿真圖像的生成過程中不會添加特定的背景，如在生成船的仿真圖像時，不會添加水面等作為目標(biāo)背景，轎車等交通工具也沒有特定的道路作為背景，如圖3 所示，仿真圖像的主體即為待檢測目標(biāo)。為了盡可能地消除匹配時同一類別目標(biāo)的類內(nèi)顏色差異性，同時考慮到與仿真圖像進(jìn)行匹配的是特征圖，不是輸入圖，所以在將所有的仿真圖像尺寸進(jìn)行調(diào)整之后，將它們?nèi)哭D(zhuǎn)為灰度圖。在仿真圖像的生成過程中，通過調(diào)整待檢測目標(biāo)三維模型的水平角與俯仰角，可以得到如圖3 所示的多角度、多尺度的待檢測目標(biāo)的仿真圖像。

圖3 用作模板的仿真圖樣例Fig.3 Examples of simulation images used as templates

2 TMSI算法

在TMSI算法中使用OpenCV中的CV_TM_CCOEFF_NORMED模板匹配算法進(jìn)行仿真圖像與神經(jīng)網(wǎng)絡(luò)特征圖的匹配。在匹配前分別對模板T(i,j)和原圖I(i,j)進(jìn)行歸一化處理，如式（1）、（2）所示。(wT,hT)和(wI,hI)分別代表模板與原圖的寬、高。原圖與模板在經(jīng)過式（1）、（2）之后，完成了匹配前的標(biāo)準(zhǔn)化。最后由式（3）得到模板與原圖對應(yīng)區(qū)域的相關(guān)系數(shù)，以及原圖中與模板最相近的區(qū)域。

TMSI算法的本質(zhì)是通過作為模板的仿真圖像來增強特征圖中與小目標(biāo)相關(guān)的特征。TMSI算法的輸入為通過CNN 產(chǎn)生的特征圖與作為模板的仿真圖像，不同類別與角度的仿真圖像用來增強不同的小目標(biāo)特征。為了避免例如類內(nèi)顏色多樣性等非關(guān)鍵特征對模板的匹配效果產(chǎn)生影響，同時考慮到過多的下采樣層與大步長的卷積層會損失很多的小目標(biāo)特征，采用Darknet-53中第一個池化層前的特征圖作為TMSI算法的輸入。在訓(xùn)練的過程中，batch size 設(shè)置為8，而Darknet-53 的第一個卷積層有32個卷積核，所以TMSI算法中輸入的特征圖F尺寸為8×32×512×512。由仿真圖像組成的模板庫S為24×1×30×30。在模板匹配的過程中，超參數(shù)δ是用來衡量相關(guān)系數(shù)r的。如果特征圖中某個特定區(qū)域的相關(guān)系數(shù)r大于超參數(shù)δ，則認(rèn)為當(dāng)前的區(qū)域與對應(yīng)模板類別的小目標(biāo)最為相近，將該區(qū)域利用相關(guān)系數(shù)r進(jìn)行直接擴大。在實驗的過程中，設(shè)定超參數(shù)δ的值為0.6。TMSI的整個結(jié)構(gòu)與殘差結(jié)構(gòu)相似，殘差結(jié)構(gòu)最后的輸出是通過向量拼接得到，而TMSI 最后的結(jié)果則是通過輸入與對應(yīng)擴大區(qū)域的相加得到。當(dāng)特征圖與所有的模板匹配之后，最可能具有小目標(biāo)的區(qū)域得到增強，更多的小目標(biāo)關(guān)鍵特征與信息被用于目標(biāo)檢測。特征圖與作為模板的仿真圖像進(jìn)行匹配時，考慮到每個通道的特征圖與仿真圖像的匹配相互獨立，所以利用CPU多核并行處理數(shù)據(jù)。使用Intel?Xeon?E5-2696 V4@2.20 GHz×50 處理器對數(shù)據(jù)進(jìn)行并行處理之后，特征圖F與模板庫S的匹配過程平均需要8.9 s。算法1 中的偽代碼描述了TMSI 算法的過程。其中，I表示匹配算法中的輸入圖；T表示匹配算法中的模板圖；r表示I與T之間的標(biāo)準(zhǔn)協(xié)相關(guān)系數(shù)；(xr,yr)表示當(dāng)前r所對應(yīng)的I中的坐標(biāo)。

3 實驗結(jié)果與分析

TMSI算法通過利用仿真圖像作為模板與特征圖進(jìn)行匹配增加神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)到的遙感影像小目標(biāo)的關(guān)鍵特征。本文算法同時以仿真圖像的形式將光學(xué)、物理模型等知識加入到了神經(jīng)網(wǎng)絡(luò)，TMSI-Net 網(wǎng)絡(luò)的可解釋性也得到了提高。通過在VEDAI 數(shù)據(jù)集、加云霧遮擋的VEDAI數(shù)據(jù)集上的實驗，驗證了TMSI算法的有效性。在實驗過程中分別比較了TMSI-Net、YOLO V3[16]、YOLO V5[17]和SEN[18]模型的表現(xiàn)，并且通過對內(nèi)部神經(jīng)元可視化的方式分析了各個模型在不同數(shù)據(jù)集上表現(xiàn)差異的原因。

3.1 VEDAI驗證TMSI算法實驗

首先，在VEDAI數(shù)據(jù)集上分別對YOLO V3、YOLO V5、SEN 和TMSI-Net 進(jìn)行訓(xùn)練，并進(jìn)行推理測試。YOLO V3、SEN和TMSI-Net的網(wǎng)絡(luò)主體都為Darknet-53，所以對這三個模型訓(xùn)練時損失（loss）隨著訓(xùn)練輪次的變化進(jìn)行比較，共40×125 輪迭代次數(shù)。圖4 表示YOLO V3、SEN和TMSI-Net模型在VEDAI數(shù)據(jù)集上的訓(xùn)練過程，從中可以看出SEN 和TMSI-Net 的收斂速度都要優(yōu)于YOLO V3，其中，TMSI-Net模型收斂最快，并且在訓(xùn)練的過程中震蕩最少。

圖4 YOLO V3、SEN和TMSI-Net模型訓(xùn)練過程1Fig.4 Training process of YOLO V3，SEN and TMSI-Net 1

通過對表1 中所有模型在VEDAI 數(shù)據(jù)集上的檢測結(jié)果比較，可以看到本文提出的TMSI-Net在貨車（van）之外的所有類別的AP以及mAP上都有很大的提高，證明了TMSI算法在遙感影像小目標(biāo)檢測任務(wù)上有很好的表現(xiàn)。并且，TMSI-Net 中加入了仿真圖像作為模板的類的準(zhǔn)確率提升得更多，如轎車、卡車、拖拉機和船等。主要原因是加入仿真圖像作為模板進(jìn)行匹配后，小目標(biāo)的更多特征被網(wǎng)絡(luò)所學(xué)習(xí)到并用于檢測。然而，對于貨車，雖然也有對應(yīng)的仿真圖像作為模板加入，檢測準(zhǔn)確率卻沒有達(dá)到所有模型中的最好，原因可能是該類別的仿真圖像的風(fēng)格與待檢測的該類小目標(biāo)相差較大。圖像中的該類別目標(biāo)稀少也可能是其中的原因。還可以從表1 中觀察到有一些類別雖然沒有加入對應(yīng)的仿真圖像作為模板，但檢測結(jié)果也得到了提升。這個原因可能是網(wǎng)絡(luò)可以學(xué)習(xí)到更多的加入仿真圖像作為模板的類別的小目標(biāo)特征，沒有加入仿真圖像作為模板的類別的小目標(biāo)被誤檢為其他目標(biāo)的可能性更小了。從表1的結(jié)果中也可以看出，新提出YOLO V5的檢測準(zhǔn)確率要低于YOLO V3，這在某種程度上說明對于遙感影像小目標(biāo)檢測來說，并不意味著網(wǎng)絡(luò)越復(fù)雜、層數(shù)越多就會有更好的效果。針對某種場景設(shè)計、具有特定結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)才可以在遙感影像小目標(biāo)檢測任務(wù)中取得更好的效果。總體而言，在加入仿真圖像作為模板之后，網(wǎng)絡(luò)對所有類別的小目標(biāo)的檢測準(zhǔn)確率都得到了提高，平均準(zhǔn)確率（mAP）更是比其他三個模型中最好的結(jié)果高了將近20 個百分點，仿真圖像作為模板加入到神經(jīng)網(wǎng)絡(luò)確實提供了更多有效的小目標(biāo)特征。

3.2 VEDAI-Cloud驗證TMSI算法實驗

與常規(guī)的圖像相比較而言，遙感影像更容易受到云霧遮擋以及光照變化的影響。尤其是考慮到地球表面的66%經(jīng)常被云霧所遮蓋[19-20]，在云霧干擾下準(zhǔn)確地檢測遙感影像小目標(biāo)成為必須面對和解決的難題[21-22]。因此，考慮在VEDAI 數(shù)據(jù)集的基礎(chǔ)上通過人為地增加云霧干擾構(gòu)造新的數(shù)據(jù)集VEDAI-Cloud來進(jìn)行實驗，檢驗各個模型在云霧干擾下對于遙感影像小目標(biāo)檢測的效果。數(shù)據(jù)集中的云霧通過隨機位置、隨機厚薄的方式來加入，使得VEDAI-Cloud 數(shù)據(jù)集盡可能地接近真實場景中被云霧遮擋之后的效果。通過將YOLO V3、YOLO V5、SEN和TMSI-Net模型在VEDAI-Cloud數(shù)據(jù)集上進(jìn)行訓(xùn)練并測試，來觀察所有模型的表現(xiàn)。在訓(xùn)練的過程中，依然比較了YOLO V3、SEN 和TMSI-net 的損失曲線，共40×125輪迭代次數(shù)。圖5表示YOLO V3、SEN和TMSI-net模型在VEDAI-Cloud數(shù)據(jù)集上的訓(xùn)練過程，從中可以看出，TMSI-Net收斂最快、震蕩最少，依然是所有模型中訓(xùn)練過程中表現(xiàn)最好的模型。

圖5 YOLO V3、SEN和TMSI-Net模型訓(xùn)練過程2Fig.5 Training process of YOLO V3，SEN and TMSI-Net 2

表2 列出了所有模型在VEDAI-Cloud 數(shù)據(jù)集上所有類別的準(zhǔn)確率。與表1 相比較，除了TMSI-Net 模型之外，所有模型在加入云霧遮擋作為干擾之后的準(zhǔn)確率都下降了很多。從表2 中可以看出加入云霧作為干擾之后，基于仿真圖像模板匹配的TMSI-Net表現(xiàn)最好，平均準(zhǔn)確率比排名第二的模型SEN 高出了27.2 個百分點。表2中的結(jié)果表明，加入了仿真圖像作為模板的對應(yīng)類別的準(zhǔn)確率提升最為明顯，如轎車。相反，其他模型在加云霧遮擋之后，所有類別的檢測準(zhǔn)確率都受到了極大的影響，下降很多。在有干擾的時候TMSI 算法依然可以為小目標(biāo)檢測提供很多有效的關(guān)鍵特征。

表1 所有模型在VEDAI數(shù)據(jù)集上的檢測結(jié)果Table 1 Detection results of all models on VEDAI dataset %

表2 所有模型在VEDAI-Cloud數(shù)據(jù)集上的檢測結(jié)果Table 2 Detection results of all models on VEDAI-Cloud dataset %

圖6和圖7是TMSI-Net、SEN、YOLO V3和YOLO V5在VEDAI 和VEDAI-Cloud 數(shù)據(jù)集上的部分檢測結(jié)果比較。圖6 中的小目標(biāo)背景相對簡單，而圖7 的背景相對復(fù)雜、干擾較多。其中圖6 從上到下分別為輸入（VEDAI、VEDAI-Cloud）；TMSI-Net方法檢測結(jié)果；SEN方法檢測結(jié)果；YOLO V3方法檢測結(jié)果；YOLO V5方法檢測結(jié)果。圖7 從左到右分別為，（a）輸入（VEDAI、VEDAI-Cloud）；（b）TMSI-Net方法檢測結(jié)果；（c）SEN方法檢測結(jié)果；（d）YOLO V3 方法檢測結(jié)果；（e）YOLO V5 方法檢測結(jié)果。正如圖6、圖7 結(jié)果所示，TMSI-Net方法在VEDAI 和VEDAI-Cloud 數(shù)據(jù)集上都取得了最好的檢測結(jié)果，所有的目標(biāo)都被檢測出來，并做出了正確的分類。SEN 方法在VEDAI 數(shù)據(jù)集上的結(jié)果與TMSI-Net 相似，然而，在加入云霧遮擋作為干擾之后，該方法有大量的漏檢、誤檢。尤其是在圖7背景復(fù)雜且有云霧干擾的情況下，SEN方法將大部分的轎車檢測為皮卡，并且將背景中的屋頂以及地面物體識別為轎車和露營車。YOLO V3和YOLO V5方法則有更多的錯誤分類與錯誤檢測，尤其是在加入云霧作為遮擋之后，表現(xiàn)更差。TMSI-Net方法的效果顯著，優(yōu)于其他方法，觀察每個方法在圖6、圖7中的檢測結(jié)果，可以定性地得出結(jié)論，在遙感小目標(biāo)檢測的過程中，缺乏小目標(biāo)的關(guān)鍵特征，受云霧遮擋干擾以及復(fù)雜背景是很多方法誤檢、漏檢的主要原因。

圖7 所有模型的檢測結(jié)果比較2Fig.7 Comparison of detection results of all models 2

圖8 和圖9 是TMSI-Net、SEN、YOLO V3 和YOLO V5 在VEDAI 數(shù)據(jù)集上的高清局部檢測結(jié)果比較圖。其中，圖8 是圖6 檢測結(jié)果的高清局部顯示。在圖8 左下角、圖9 右下角都標(biāo)明了該檢測結(jié)果所對應(yīng)的方法。從圖8、圖9中高分辨率局部圖像的檢測結(jié)果比較來看，TMSI 算法無論是在目標(biāo)的定位方面，還是目標(biāo)類別的識別方面都取得了最好的效果，而其他算法則有較多的錯檢、漏檢以及誤檢結(jié)果。圖8 與圖9 中的標(biāo)記是各個算法在同一幅遙感圖像上的檢測結(jié)果，該標(biāo)記包括所檢測出的目標(biāo)的類別，用英文標(biāo)簽標(biāo)注，以及該目標(biāo)所對應(yīng)的位置，用與該目標(biāo)標(biāo)簽同一顏色的方框進(jìn)行標(biāo)記。TMSI-Net在圖8與圖9中的標(biāo)簽標(biāo)記與真值相同，方框位置也與真值非常接近。

圖6 所有模型的檢測結(jié)果比較1Fig.6 Comparison of detection results of all models 1

圖8 所有模型的高清局部檢測結(jié)果比較1Fig.8 Comparison of high-definition local detection results of all models 1

圖9 所有模型的高清局部檢測結(jié)果比較2Fig.9 Comparison of high-definition local detection results of all models 2

從圖8 結(jié)果比較來看，YOLO V3 算法以及YOLO V5 算法在轎車（Car）與皮卡（Pickup）的類別識別方面存在較大誤差。無論是小目標(biāo)類別還是小目標(biāo)位置，TMSI-Net 與SEN 方法都在圖8 中有優(yōu)異的檢測表現(xiàn)。在圖9中，所有算法都實現(xiàn)了對道路上的兩輛轎車的正確檢測。而對于圖像正中央的兩輛卡車（Truck）目標(biāo)，除了TMSI算法之外，其他算法在識別、定位方面都有很大的誤差。SEN方法錯誤地將卡車頭識別為船與轎車，并且僅僅將卡車廂識別為卡車，在目標(biāo)位置方面也做出了錯誤的標(biāo)記。YOLO V3、YOLO V5 方法同樣在卡車目標(biāo)類別判斷與位置標(biāo)記方面都有很大偏差，主要表現(xiàn)為不能將卡車目標(biāo)的車頭與車廂作為一個整體進(jìn)行檢測。

圖10 是針對圖6 中的具體遙感影像在TMSI 算法作用前后的特征圖可視化結(jié)果，該遙感影像來自于VEDAI-Cloud 數(shù)據(jù)集，即加入云霧干擾之后的遙感圖像。從圖10 中可以發(fā)現(xiàn)，在TMSI 算法作用之前，所得到的特征圖受云霧遮擋嚴(yán)重，有的小目標(biāo)直接消失在了圖像中。而在加入TMSI 算法之后，整個圖像中的云霧與圖像本身之間的差異得到放大，小目標(biāo)所處位置的云霧噪聲更加清晰，淹沒在云霧噪聲中的小目標(biāo)也重新凸顯。由此可見，TMSI 算法中用于匹配的仿真圖像與特征圖進(jìn)行模板匹配算法之后，對于云霧遮擋情況下小目標(biāo)的檢測可以提供更多的幾何等特征，最后得到更好的檢測結(jié)果。

圖10 TMSI算法應(yīng)用前后的特征圖可視化比較Fig.10 Visualization comparison of feature map before and after TMSI algorithm application

在圖11 中通過可視化的方式比較了TMSI-Net、YOLO V3以及SEN方法的第二個卷積層通道0的特征圖，第一列是在VEDAI數(shù)據(jù)集下的，第二列是在VEDAICloud 數(shù)據(jù)集下的，從上到下分別是TMSI-Net、SEN、YOLO V3。這三個方法的網(wǎng)絡(luò)主體都是Darknet-53，所以它們的特征圖具有可比性。如圖11 所示，可以觀察到TMSI-Net 方法的特征圖是三個模型在VEDAI、VEDAI-Cloud 數(shù)據(jù)集上的所有特征圖中包含小目標(biāo)特征與信息最多的特征圖。將仿真圖像作為模板加入到神經(jīng)網(wǎng)絡(luò)之后，目標(biāo)與背景之的差異得到放大，目標(biāo)可以被更好地檢測到。YOLO V3 與SEN 方法提取到的小目標(biāo)的關(guān)鍵特征在加入云霧作為干擾之后急劇減少，不利于小目標(biāo)檢測。與之相反，TMSI-Net 在云霧的干擾之下依然可以提取到足夠多的有效小目標(biāo)特征用于檢測。從圖11中的定性比較中可以看出仿真圖像作為模板的有效性，以及TMSI-Net 方法在遙感影像小目標(biāo)檢測任務(wù)中的優(yōu)越表現(xiàn)。

圖11 TMSI-Net、SEN和YOLO V3方法的可視化結(jié)果比較Fig.11 Comparison of visualization results among TMSI-Net，SEN and YOLO V3 methods

4 結(jié)論

針對遙感影像小目標(biāo)檢測時存在提取到的特征不足、檢測效果差等問題，本文提出了一種將仿真圖像作為模板加入到神經(jīng)網(wǎng)絡(luò)的方法，可以使網(wǎng)絡(luò)學(xué)習(xí)到更多的小目標(biāo)特征，提高遙感影像小目標(biāo)檢測的準(zhǔn)確率。并且，將仿真圖像加入到神經(jīng)網(wǎng)絡(luò)之后，也提高了模型在面對具有云霧干擾的遙感影像小目標(biāo)時的檢測準(zhǔn)確率。在VEDAI、VEDAI-Cloud 數(shù)據(jù)集上的實驗結(jié)果都證明了TMSI算法的有效性與穩(wěn)定性。通過對神經(jīng)網(wǎng)絡(luò)內(nèi)部神經(jīng)元可視化的過程，可以清晰地看到TMSI-Net學(xué)習(xí)到了更多的小目標(biāo)特征，并且減弱了背景的干擾。仿真圖像是通過明確的物理光學(xué)模型生成的，在物理性質(zhì)上是可以解釋的。當(dāng)仿真圖像作為模板加入到神經(jīng)網(wǎng)絡(luò)時，像是一種先驗知識或是常識，指導(dǎo)網(wǎng)絡(luò)的學(xué)習(xí)與推理，不僅提高了網(wǎng)絡(luò)的準(zhǔn)確率，也提高了網(wǎng)絡(luò)的可解釋性。