基于深度卷积和梯度旋转不变性的航拍图像目标检测方法与流程

技术特征：

1.基于深度卷积和梯度旋转不变性的航拍图像目标检测方法，其特征在于，包括以下步骤：

(1)输入航拍图像，利用BING算法对目标进行粗定位，提取包含目标的感兴趣区域；

(2)将步骤(1)提取到的感兴趣区域输入AlexNet深度卷积网络进行分析，选取AlexNet深度卷积网络的Pooling5层为最佳角度不敏感特征，即AP特征；

(3)基于旋转梯度不变性，提取感兴趣区域的旋转梯度不变特征，即RGT特征；

(4)采用SFFS算法融合步骤(2)得到的AP特征和步骤(3)得到的RGT特征，生成AP-RGT特征；

(5)使用支持向量机对生成的AP-RGT特征进行训练分类，并在SVM分类器后进行非极大值抑制的过程，过滤错误的分类；建立优化问题，求解得到目标检测结果。

2.根据权利要求1所述基于深度卷积和梯度旋转不变性的航拍图像目标检测方法，其特征在于，步骤(1)的具体过程如下：

(a)使用模板[-1,0，+1]作用于航拍图像，计算出航拍图像的梯度值b_k,l，并通过尺度变换将其归一化到8*8的尺度，得到归一化的梯度特征值N_g，其中，b_k,l的下标k、l分别表示模板[-1,0，+1]的行和列；

(b)利用二进制估计算法，对梯度特征值N_g进行估计，获得BING特征：

$g_l={\mathrm{\Σ}}_{k=1}^{N_g}{2}^{8-k}{b}_{k,l};$

(c)将获得的BING特征输入到LinearSVM中进行训练，得到SVM分类器，作为第一级分类器，将得到的第一级分类器作用于训练样本所在的位置，得到待选目标框，通过非极大值抑制滤去错误的待选目标框，将剩下的待选目标框作为第二级分类器的训练样本，输入到LinearSVM中进行训练，得到第二级分类器；

(d)利用穷举法从航拍图像上得到的感兴趣区域的所有待选区域，将步骤(c)得到的级联分类器作用于各个待选区域，每一个待选区域通过线性模型w∈R⁶⁴打分机制进行评分：s_l＝＜w,g_l＞，得分s_l最高的待选区域即为感兴趣区域，其中＜w,g_l＞表示将线性模型w和BING特征g_l作内积运算。

3.根据权利要求1所述基于深度卷积和梯度旋转不变性的航拍图像目标检测方法，其特征在于，步骤(3)的具体过程如下：

(A)设提取到的感兴趣区域图像为I(x,y)，S(x,y)为其对应的离散图像：

$S(x,y)=\underset{v=0}{\overset{y}{\Σ}}\underset{u=0}{\overset{x}{\Σ}}I(u,v)$

计算离散图像的局部空间值：

∑(x,y,s)＝S(x+s,y+s)+S(x-s-1,y-s-1)-S(x+s,y-s-1)-S(x-s-1,y+s)

上式中s表示某一尺度，(x,y)为感兴趣区域内的点；

为增加特征的尺度不变性并降低计算复杂度，利用金字塔尺度空间获取不同尺度下的局部空间值，再通过比较得到局部空间极值，局部空间极值对应的尺度即为给定尺度；

(B)采用可变核函数检测感兴趣区域，在检测过程中，对于同一个点采用两个不同大小的核函数，在步骤(A)获得的给定尺度s下，内部的核函数为2s+1，外部的核函数为4s+1，则滤波器响应：

F(x,y,s)＝B(x,y,s)-B(x,y,2s)

上式中B(x,y,s)为区域规范化输出：

B(x,y,s)＝(2s+1)^-2∑(x,y,s)

上式中∑(x,y,s)为步骤(A)得到的局部空间极值，表示大小为2s+1的区域中所有像素和；

(C)在给定尺度下获取感兴趣特征点，以感兴趣特征点为圆心抽取直径为sp的统计块，处于统计块内的点的坐标表示：

$P\left(s\right)=\left\{(u,v)\right|\sqrt{{(s*u-x)}^2+{(s*v-y)}^2}\≤\frac{sp}{2}\}$

上式中s*u，s*v分别对应为x，y在给定尺度s下的离散值；

(D)将统计块内的笛卡尔梯度方向作为该统计块的方向，计算统计块内的梯度值并归一化，得到RGT特征。

4.根据权利要求1所述基于深度卷积和梯度旋转不变性的航拍图像目标检测方法，其特征在于，步骤(4)的具体过程如下：

(Ⅰ)设AP-RGT特征的集合为Z，集合Z初始为空集，在AP特征集和RGT特征集的并集中选择一个子集t加入集合Z中，并使加入子集t后的集合Z的评价函数达到最优；

(Ⅱ)在集合Z中剔除子集z，并使剔除子集z后的集合Z的评价函数达到最优；

(Ⅲ)循环步骤(Ⅰ)-(Ⅱ)，得到nrep个候选集合Z；

(Ⅳ)计算各候选集合Z的贝叶斯分类精度：

J_nrep(Z)＝1-E[{ε(Z,T_r；D_r)}]

上式中，E(*)表示求期望，ε(Z,T_r；D_r)则表示贝叶斯分类错分率，T_r表示错分的集合，D_r表示训练集，r＝1,2,…,nrep；

选择贝叶斯分类精度值最大对应的集合Z作为融合后的AP-RGT特征集。

5.根据权利要求1所述基于深度卷积和梯度旋转不变性的航拍图像目标检测方法，其特征在于：在步骤(5)中，分类函数为其中x_i为输入，y_i为输出，,x_i y_i∈Z，Z为步骤(4)得到的AP-RGT特征集，为当前特征距离分类平面的间隔，为设置的特征距离分类平面的最大间隔，b为偏移量，ω为需要求取的目标检测结果；将作为优化问题的目标函数，求得该问题的最优解即为最终的目标检测结果。