技术特征：
1.中低分辨率光学遥感图像的目标检测方法，其特征在于，所述方法包括：获取待检测的中低分辨率光学遥感图像；将所述中低分辨率光学遥感图像输入已训练的目标检测神经网络，进行目标检测；其中，所述目标检测神经网络包括超分辨模块以及目标检测模块，所述中低分辨率光学遥感图像输入图像超分辨模块后输出与所述中低分辨率光学遥感图像对应的超分辨图像以及超分辨特征；将所述超分辨图像以及超分辨特征输入目标检测模块进行处理，通过所述目标检测模块提取超分辨图像的图像特征，再对所述图像特征与超分辨特征进行融合得到融合特征，所述图标检测模块根据融合特征进行目标检测。2.根据权利要求1所述的目标检测方法，其特征在于，所述中低分辨率光学遥感图像输入图像超分辨模块后输出与所述中低分辨率光学遥感图像对应的超分辨图像以及超分辨特征包括：所述超分辨模块包括依次连接的第一卷积层、8个rdb层、全局融合层、亚像素层以及第二卷积层；所述中低分辨率光学遥感图像通过所述第一卷积层提取初始特征；所述初始特征依次通过8个rdb层分别进行特征提取，再将提取后的多个特征通过所述全局融合层进行融合得到融合后的特征；所述融合后的特征与初始特征进行相加后通过所述亚像素层得到所述超分辨特征；所述超分辨特征通过所述第二卷积层得到残差预测图像，对所述中低分辨率光学遥感图像进行上采样，将上采样得到结果与所述残差预测图像相加得到所述超分辨图像。3.根据权利要求1所述的目标检测方法，其特征在于，对所述目标检测神经网络进行训练包括：分别对所述超分辨模块以及目标检测模块进行预训练得到预训练的超分辨模块以及预训练的目标检测模块；对所述预训练的超分辨模块以及预训练的目标检测模块同时进行训练得到所述已训练的目标检测神经网络。4.根据权利要求3所述的目标检测方法，其特征在于，对所述超分辨模块进行预训练时包括：获取训练样本集，所述训练样本集中包括有多张原始高分频率图像；将所述训练样本集中各张所述原始高分频率图像均进行八倍下采样得到相应的中低分辨率图像；将各所述原始高分辨率图像与相应的中低分辨率图像组成图像组对所述超分辨模块进行预训练。5.根据权利要求4所述的目标检测方法，其特征在于，对所述目标检测模块进行预训练时包括：将各所述中低分辨率图像进行上采样得到上采样数据；将所述上采样数据对所述目标检测模块进行预训练。6.根据权利要求1
‑
5任一项所述的目标检测方法，其特征在于，所述目标检测模块采用faster
‑
rcnn神经网络，或sdd神经网络；
其中，所述faster
‑
rcnn神经网络中骨干网络采用包括resnet50、resnet101、hrnet、resnext101中任意一种。7.低分辨率光学遥感图像的目标检测装置，其特征在于，所述装置包括：待检测图像获取模块，用于获取待检测的中低分辨率光学遥感图像；目标检测模块，用于将所述中低分辨率光学遥感图像输入已训练的目标检测神经网络，进行目标检测；其中，所述目标检测神经网络包括超分辨模块以及目标检测模块，所述中低分辨率光学遥感图像输入图像超分辨模块后输出与所述中低分辨率光学遥感图像对应的超分辨图像以及超分辨特征；将所述超分辨图像以及超分辨特征输入目标检测模块进行处理，通过所述目标检测模块提取超分辨图像的图像特征，再对所述图像特征与超分辨特征进行融合得到融合特征，所述图标检测模块根据融合特征进行目标检测。8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求6所述方法的步骤。
技术总结
本申请涉及一种中低分辨率光学遥感图像的目标检测方法、装置及设备。所述方法包括：通过搭建一个目标检测神经网络，可以更加有效的解决中低分辨率遥感图像舰船目标检测任务。目标检测神经网络包括图像超分辨模块和目标检测模块，其中，两个模块之间的连接除超分辨图像之外还包括超分辨的特征表示。超分辨特征的利用使目标检测模块可以提取信息更丰富的特征用于舰船检测。征用于舰船检测。征用于舰船检测。
技术研发人员：邹焕新 贺诗甜 李润林 曹旭 李美霖 成飞 魏娟 孙丽
受保护的技术使用者：中国人民解放军国防科技大学
技术研发日：2021.07.07
技术公布日：2021/9/24