(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111676459.X (22)申请日 2021.12.31 (71)申请人 北方信息控制研究院集团有限公司 地址 211100 江苏省南京市江宁区将军大 道528号 (72)发明人 徐学永　袁春琦　夏羽　赵西亭　 王锦晨　吴定程　于大超　李文沛　 赵越　黄梦雪　王湛宇　庞宗光　 江龙　罗冠　潘伟斌　赵丽倩　 (74)专利代理 机构 南京理工大 学专利中心 32203 专利代理师 张祥 (51)Int.Cl. G06V 20/10(2022.01) G06N 3/08(2006.01)G06N 3/04(2006.01) G06K 9/62(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) (54)发明名称 一种基于阈值约束的深度学习遥感影像船 舰目标识别方法 (57)摘要 本发明公开一种基于阈值约束的深度学习 遥感影像船舰目标识别方法， 包括以下步骤： (1) 通过OTSU阈值 分割法对遥感影像进行阈值分割， 实现海陆分离； (2)遥感影像的形状特征提取； (3)以深度学习YOLOv5算法为基础， 对底层的金 字塔网络结构进行多尺度连接融合； (4)针对遥 感图像舰船目标的特点， 根据其形状特征进行锚 框设计； (5)引 入聚焦分类损失作为YOLOv5算法 的损失函数进行回归收敛； (6)基于改进的 YOLOv5算法， 输入船舰样本进行训练获取模型； (7)根据训练好的模型对遥感影像进行船舰目标 的识别。 本发 明根据船舰的形状特征对锚框和损 失函数进行优化， 改善模型泛化性能， 提高了船 舰识别精度。 权利要求书2页 说明书6页 附图1页 CN 114463628 A 2022.05.10 CN 114463628 A 1.一种基于阈值约束的深度学习遥感影像船舰目标识别方法， 其特征在于， 包括如下 步骤： 步骤1： 通过OTSU阈值分割法对遥感影 像进行阈值分割， 实现海陆分离； 步骤2： 对 海陆分离后的海域遥感影 像进行形状特征提取； 步骤3： 以深度学习YOLOv5算法为基础， 结合特征金字塔结构， 对底层的金字塔网络结 构进行多尺度连接融合； 步骤4： 针对遥感图像舰船目标的特点， 根据其形状特 征进行锚框设计； 步骤5： 引入聚焦分类损失作为YOLOv5算法的损失函数进行回归收敛； 步骤6： 基于改进的YOLOv5算法， 输入事先标记好的船舰样本进行训练， 得到训练好的 深度学习模型； 步骤7： 根据训练好的模型对遥感影 像进行船舰目标识别。 2.根据权利要求1所述的基于阈值约束的深度学习遥感影像船舰目标识别方法， 其特 征在于， 所述步骤1具体包括： 基于阈值的分割方法基于海洋与陆地之间的灰度差异确定阈值， 然后以选择的灰度值 为阈值， 将海洋和陆地分开： OTSU阈值分割法采用类间方法度量， 其计算方式如下： σ2(T)＝Wa( μa‑μ )2+Wb( μb‑μ )2 其中， σ2表示类间方法， Wa表示目标区域的面积与图像总面积的比值， μa表示所有目标 区域像素的均值， Wb表示背景区域的面积与图像总面积的比值， μb表示背景所在区域内的像 素平均值， μ表示全幅图像的所有像素的灰度平均值， T从0到255遍历， 使σ2取得最大值的T 即为图像分割的最佳阈值。 3.根据权利要求2所述的基于阈值约束的深度学习遥感影像船舰目标识别方法， 其特 征在于， 所述步骤2具体包括： 依据船舰自身特点， 其形状为长条形， 并考虑遥感影像多尺度影 响下能够清晰描述目标外轮廓要 素， 选用紧致度、 长宽比和矩形度三个特征， 其计算 公式如 下： (1)紧致度： (2)长宽比： (3)矩形度： 式中， A表示目标 区域的面积， p表示目标 区域的周长， l、 w和 S分别表示目标 区域外接矩 形的长、 宽和面积。 4.根据权利要求3所述的基于阈值约束的深度学习遥感影像船舰目标识别方法， 其特权　利　要　求　书 1/2 页 2 CN 114463628 A 2征在于， 所述步骤3具体包括： 以低层特征层的横向连接为主， 并对其进行特征增强， 保证计算 量和速度的前提下， 剔除顶层的连接 。 5.根据权利要求4所述的基于阈值约束的深度学习遥感影像船舰目标识别方法， 其特 征在于， 所述步骤4具体包括： 根据其形状特 征进行锚框设计的计算公式为： 其中m指的是特征图的个数， Sk表示锚框大小相对于图片的比例， Smtn和Smax表示比例的 最小值与最大值， 锚框的纵横比计算公式为： 其中 sk是由前面的公式计算得到的， 针对纵横比为1的情况增加一 个默认框的尺度 默认框的坐标中心为 |fk|为对应特征图 的尺寸大小， i,j∈[0,|fk|)。 6.根据权利要求5所述的基于阈值约束的深度学习遥感影像船舰目标识别方法， 其特 征在于， 所述步骤5具体包括： 引 入聚焦分类损失作为YOLOv5算法的损失函数进行回归收敛的 计算公式如下： 其 中 ： Ll o c(b*,b) 为 定 位 损失 函 数 ,其 具 体 计 算 方 式 为 ： b为预测值， b*为真实标签框值， Lclassfl(t*,t) 为分类损失函数， 其具体 计算方式为： 为 正 确 前景预测概率， 为背景预测概率， at和r为核参数。权　利　要　求　书 2/2 页 3 CN 114463628 A 3