張 婷張善文徐 聰

（西京學(xué)院 電子信息學(xué)院，西安 710123）

1 引 言

遙感圖像（Remote Sensing Images，RSI）飛機(jī)目標(biāo)檢測一直是一個(gè)重要且具有挑戰(zhàn)性的課題。 近年來，涌現(xiàn)出了許多遙感圖像飛機(jī)目標(biāo)檢測方法。文獻(xiàn)［1，2］綜述了遙感圖像目標(biāo)檢測算法和技術(shù)，比較了不同方法的優(yōu)缺點(diǎn)，并展望了該領(lǐng)域的發(fā)展趨勢。 文獻(xiàn)［3］結(jié)合聚合通道特征和精心設(shè)計(jì)的特征，提出了一種基于多尺度滑動(dòng)窗口框架的飛機(jī)檢測方法。 文獻(xiàn)［4］設(shè)計(jì)了一種基于中心提案區(qū)域和不變特征的飛機(jī)檢測方法，該方法首先提取每個(gè)RSI 中的目標(biāo)區(qū)域，然后利用旋轉(zhuǎn)不變特征訓(xùn)練集成學(xué)習(xí)分類器，最后利用此分類器從RSIs 中將飛機(jī)圖像識別出來。 文獻(xiàn)［5］通過參數(shù)遷移得到卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）卷積層的參數(shù)，提取遙感圖像訓(xùn)練集的深度特征，最后訓(xùn)練可變形網(wǎng)絡(luò)模型。 文獻(xiàn)［6］針對遙感影像中飛機(jī)大小、方向、角度及環(huán)境的多樣性，提出一種基于殘差網(wǎng)絡(luò)的飛機(jī)目標(biāo)檢測方法。 針對飛機(jī)密集區(qū)域或背景復(fù)雜區(qū)域的檢測精度低問題，文獻(xiàn)［7］提出一種端到端的深度 CNN （Convolutional Neural Networks，CNN），實(shí)現(xiàn)遙感圖像中大小不同的飛機(jī)圖像檢測。 文獻(xiàn)［8］針對遙感圖像中不同大小目標(biāo)檢測準(zhǔn)確率低的問題，通過在YOLOv3-Tiny 模型中增加1 ×1 卷積，提出一種基于優(yōu)化的YOLOv3-Tiny的遙感圖像飛機(jī)檢測方法。 文獻(xiàn)［9］提出一種基于深度CNN 和深度信念網(wǎng)（Deep Belief Net，DBN）的飛機(jī)目標(biāo)檢測方法。 文獻(xiàn)［10］針對傳統(tǒng)遙感圖像飛機(jī)檢測方法存在漏警、虛警等問題，提出一種多尺度遙感圖像飛機(jī)自動(dòng)檢測方法，實(shí)現(xiàn)了不同尺度飛機(jī)自動(dòng)檢測任務(wù)。 文獻(xiàn)［11］提出一種基于遷移學(xué)習(xí)和幾何特征約束的級聯(lián)CNN 框架，實(shí)現(xiàn)了大面積RSI 飛機(jī)檢測，以相對較少的樣本實(shí)現(xiàn)了較高的檢測精度。 文獻(xiàn)［12］提出一種端到端的飛機(jī)檢測方法。 該方法將所有計(jì)算封裝在一個(gè)網(wǎng)絡(luò)中，使用簡單高效。 文獻(xiàn)［13］提出一種基于顯著性和CNN相結(jié)合的RSI 飛機(jī)檢測方法。 文獻(xiàn)［14］利用級聯(lián)策略構(gòu)建了一種有效的飛機(jī)檢測框架。 文獻(xiàn)［15］構(gòu)建了一種基于CNN 的有效飛機(jī)檢測框架，用于檢測超大復(fù)雜場景中的多尺度目標(biāo)，用于檢測各種多尺度飛機(jī)。 文獻(xiàn)［16］利用數(shù)據(jù)增強(qiáng)、遷移學(xué)習(xí)、深度CNN 和有限的訓(xùn)練樣本，提出了一種端到端的飛機(jī)檢測方法。 文獻(xiàn)［17］提出了一種基于深度CNN的飛機(jī)目標(biāo)檢測方法，利用采集的數(shù)據(jù)集進(jìn)行端到端微調(diào)訓(xùn)練檢測模型，實(shí)現(xiàn)了飛機(jī)的自動(dòng)檢測和定位。 文獻(xiàn)［18］提出一種小樣本光學(xué)遙感圖像飛機(jī)檢測算法，用于檢測大小不同的弱小飛機(jī)目標(biāo)。 文獻(xiàn)［19］提出一種基于多尺度CNN 特征融合的多尺度飛機(jī)檢測算法，利用深度CNN 子網(wǎng)絡(luò)提取定向目標(biāo)的特征圖。 文獻(xiàn)［20］提出一種基于角點(diǎn)聚類和CNN 的飛機(jī)檢測方法，并與選擇搜索（SS） ＋CNN、邊緣盒＋CNN 和面向梯度直方圖（HOG） ＋支持向量機(jī)（SVM）三種方法進(jìn)行實(shí)驗(yàn)對比。

研究人員通過增加CNN 模型的深度和卷積層的卷積核數(shù)量以提高模型的準(zhǔn)確率，但易引起過擬合、梯度消失和消耗計(jì)算資源等問題。 U-Net 是一種簡單且被廣泛應(yīng)用的U 型對稱的卷積模型，在圖像檢測和語義分割等方面取得了成功應(yīng)用。文獻(xiàn)［24］從下采樣和上采樣操作、編碼和解碼模塊、跳躍連接模塊以及殘差連接、多尺度卷積、注意力機(jī)制、數(shù)據(jù)增強(qiáng)和模型優(yōu)化策略等多方面綜述了U-Net 的改進(jìn)和優(yōu)化模型。 多尺度卷積網(wǎng)絡(luò)采用大小不同的卷積核提取多尺度卷積特征，增強(qiáng)網(wǎng)絡(luò)檢測和識別大小不同目標(biāo)的性能，降低網(wǎng)絡(luò)計(jì)算復(fù)雜度。 文獻(xiàn)［26］針對復(fù)雜場景區(qū)域的小尺度飛機(jī)目標(biāo)檢測準(zhǔn)確率低問題，提出一種基于多尺度CNN 的飛機(jī)目標(biāo)檢測框架。 Inception 是一種多尺度卷積網(wǎng)絡(luò)模塊，能夠提取目標(biāo)的多尺度特征，能夠引入U(xiǎn)-Net，提高模型的準(zhǔn)確率，減少計(jì)算量。超像素是由一些位置相鄰且特征相似的像素點(diǎn)組成的像素子集，廣泛應(yīng)用于圖像預(yù)處理，極大減少圖像局部冗余信息和噪聲，降低后續(xù)目標(biāo)檢測和圖像分割的復(fù)雜度和運(yùn)算量。 文獻(xiàn)［28］提出一種基于超像素的CNN 方法，并應(yīng)用于道路圖像分割，分割準(zhǔn)確率高。 充分利用多尺度卷積、Inception、U-Net、殘差網(wǎng)絡(luò)、殘差連接和超像素分割的優(yōu)點(diǎn)，提出一種結(jié)合超像素與MSRU-Net 的遙感圖像飛機(jī)檢測方法，并進(jìn)行實(shí)驗(yàn)驗(yàn)證。

2 多尺度殘差U-Net

在多尺度卷積Inception、U-Net 和殘差網(wǎng)絡(luò)的基礎(chǔ)上，構(gòu)建一個(gè)改進(jìn)的多尺度殘差（MSRU-Net），其網(wǎng)絡(luò)架構(gòu)如圖1（a）所示。

MSRU-Net 由編碼模型、解碼模塊、池化、轉(zhuǎn)置卷積和通道拼接組成，其中編碼模塊和解碼模塊用于特征提取，池化用于下采樣，轉(zhuǎn)置卷積用于上采樣，通道拼接用于整合編碼特征和對應(yīng)的解碼特征。 多尺度殘差模塊結(jié)構(gòu)如圖1（b）所示，其中經(jīng)過多尺度殘差模塊后卷積層的通道數(shù)加倍，特征圖的空間尺寸保持不變；經(jīng)過2 ×2 最大池化層后卷積特征圖的空間尺寸減半，通道數(shù)保持不變；1 ×1 卷積將特征層通道數(shù)最終降為2。 通道拼接模型如圖1（c）所示，由卷積和殘差卷積組成，用于減小編碼特征與解碼特征之間存在的語義間隔，經(jīng)過通道后的特征層空間尺寸、通道數(shù)保持不變。 MSRU-Net的結(jié)構(gòu)及其參數(shù)說明如表1所示。

圖1 多尺度殘差U-Net （MSRU-Net）Fig.1 Multi-scale residual U-Net （MSRU-Net）

表1 MSRU-Net 結(jié)構(gòu)及其參數(shù)說明Tab.1 MSRU-Net structure and its parameter description

3 遙感圖像飛機(jī)檢測方法

將超像素與MSRU-Net 相結(jié)合應(yīng)用于遙感圖像飛機(jī)檢測，其過程如圖2所示，其中箭頭表示數(shù)據(jù)流。

根據(jù)圖2所示，遙感圖像飛機(jī)檢測過程如下：

圖2 基于超像素與MSRU-Net 的遙感圖像飛機(jī)檢測過程框圖Fig.2 Block diagram of aircraft detection process in RSIs based on superpixels and MSRU-Net

步驟1：利用超像素聚類算法（Simple Linear Iterative Cluster，SLIC）將遙感圖像網(wǎng)格化并分配標(biāo)簽，得到每幅原始圖像的超像素圖像，其處理過程如下：

2）計(jì)算濾波后圖像的任意2 個(gè)不同的像素點(diǎn)p（x，y）和p（x，y）之間的混合距離，表示聚類像素點(diǎn)的相似度，如式（1）所示。

式中，C，C——p和p的空間相似度和顏色相似度；g，g——兩個(gè)像素點(diǎn)p和p的像素灰度值。

4）由式（1）計(jì)算每個(gè)像素點(diǎn)與個(gè)種子點(diǎn)的混合距離，再將與該像素最近的種子標(biāo)簽賦予該像素；

5）合并種子點(diǎn)相鄰像素中具有相同標(biāo)簽的像素點(diǎn)，再將合并區(qū)域內(nèi)的所有像素作為新種子點(diǎn)；

6）返回步驟4）和步驟5），迭代直到每個(gè)超像素的聚類中心不再發(fā)生變化為止；

7）利用最近鄰策略將分割產(chǎn)生的孤立點(diǎn)劃分到相鄰的超像素中，得到每幅原始圖像的超像素圖像。

步驟2：計(jì)算每幅超像素圖像的所有超像素的灰度平均值，再將灰度平均值重新賦值給超像素中每個(gè)像素點(diǎn)，生成一個(gè)視覺概要圖；

步驟3：構(gòu)建MSRU-Net 模型。 如圖1（a）所示MSRU-Net 由5 個(gè)編碼模塊、4 個(gè)解碼模塊、1 個(gè)注意力機(jī)制模塊和4 個(gè)通道組成，包括編碼模型和解碼模塊、池化、轉(zhuǎn)置卷積、級聯(lián)等操作；

步驟4：將得到的視覺概要圖作為訓(xùn)練集訓(xùn)練MSRU-Net，使用隨機(jī)梯度下降法對MSRU-Net 的參數(shù)進(jìn)行更新，完成模型訓(xùn)練。 模型的訓(xùn)練參數(shù)包含卷積核維度、池化核維度、學(xué)習(xí)率與訓(xùn)練次數(shù)。

最后，利用訓(xùn)練好的MSRU-Net 模型對遙感圖像飛機(jī)進(jìn)行檢測。

4 實(shí)驗(yàn)與分析

為了驗(yàn)證基于超像素與MSRU-Net 相結(jié)合的飛機(jī)檢測方法，在EORSSD 數(shù)據(jù)集的飛機(jī)圖像子集上進(jìn)行實(shí)驗(yàn)，并與3 種遙感圖像飛機(jī)檢測方法進(jìn)行比較：Saliency and CNN （SCNN）、Markov random field-FCN （M-FCN）、多尺度融合特征卷積神經(jīng)網(wǎng)絡(luò)（MSCNN），所有模型都在EORSSD 數(shù)據(jù)集上進(jìn)行訓(xùn)練。 所有方法的實(shí)驗(yàn)環(huán)境和條件為：python 3.7.3， Ubuntu 16.04， Tensorflow 1.14.0，NVIDIA TitanX GPU 上實(shí)現(xiàn)的，內(nèi)存配置為12gb；批量大小為32，學(xué)習(xí)率為0.000 1，動(dòng)量為0.9，權(quán)值衰減為0.000 5，CapsNet 的超級參數(shù)分別設(shè)置為0.000 5和0.5，訓(xùn)練迭代總數(shù)為3 000 次，訓(xùn)練優(yōu)化器是Adam 優(yōu)化器。

EORSSD 數(shù)據(jù)集（https：／ ／github.com／rmcong／EORSSD-dataset）包含2000 幅遙感圖像，其中包括258 張飛機(jī)RSIs，其中大多數(shù)飛機(jī)圖像包含一個(gè)或多個(gè)小尺寸、任意位置和角度、不同分辨率、背景模糊的飛機(jī)，如圖3（a）所示。 由于原始飛機(jī)RSIs 的分辨率不同，從973 ×760 到242 ×239，將每幅圖像的大小調(diào)整為128 ×128，以減少計(jì)算時(shí)間和GPU內(nèi)存。 利用LabelMe Matlab 工具箱對飛機(jī)RSIs 進(jìn)行標(biāo)注。 在訓(xùn)練MSRU-Net 時(shí)，EORSSD 的飛機(jī)RSIs 數(shù)量相對較少。 為了增加圖像的多樣性，減少過度擬合問題，改善飛機(jī)檢測方法的能力，每個(gè)原始飛機(jī)圖像由旋轉(zhuǎn)（90，180，270）和隨機(jī)裁剪及加噪聲方法，將每幅圖像擴(kuò)展為10 幅圖像，共得到2 580 幅遙感飛機(jī)圖像。 在本節(jié)中，將所有擴(kuò)展飛機(jī)RSIs 構(gòu)建一個(gè)飛機(jī)RSI 子集，進(jìn)行飛機(jī)檢測實(shí)驗(yàn)。 對每幅圖像進(jìn)行超像素分割，對于不同超像素?cái)?shù)的分割圖像如圖3（b）所示。

從圖3可以看出，超像素?cái)?shù)越多，得到的分割圖像越清晰，而過少的超像素?cái)?shù)的分割圖像可能丟失小目標(biāo)圖像，但太多的超像素?cái)?shù)就不能體現(xiàn)超像素的優(yōu)勢。 超像素?cái)?shù)為2 000 時(shí)得到的分割圖像與原始圖像的相似性為0.99，由此，文中所有實(shí)驗(yàn)選擇超像素?cái)?shù)為2 000，得到的分割圖像作為基于深度學(xué)習(xí)模型的輸入圖像。

圖3 超像素圖像分割示意圖Fig.3 Superpixel image segmentation

利用4 －折交差驗(yàn)證法對遙感飛機(jī)圖像檢測。SCNN，M-FCN，MSCNN 和MSRU-Net 的訓(xùn)練過程中關(guān)于迭代次數(shù)的損失值如圖4所示。 從圖4中可以發(fā)現(xiàn)，在1 500 次迭代之前，所有模型的損失都迅速減小，MSCNN 和MSRU-Net 的收斂性優(yōu)于SCNN 和M-FCN，而MSRU-Net 在訓(xùn)練過程中收斂速度較快，在1 700 次迭代后收斂效果好。 當(dāng)整個(gè)訓(xùn)練完成時(shí)，MSRU-Net 的損失最小，實(shí)驗(yàn)表明該方法具有較好的飛機(jī)檢測能力。

由圖4可以看出，當(dāng)?shù)螖?shù)為3 000 時(shí)，各個(gè)模型均收斂。 為了公平起見，在后面的實(shí)驗(yàn)中，選擇迭代次數(shù)為3 000 時(shí)的模型作為訓(xùn)練好的模型，用于飛機(jī)圖像檢測。 4 種不同模型的飛機(jī)檢測結(jié)果如圖5所示。 4 種方法相對于標(biāo)注飛機(jī)圖像的飛機(jī)檢測平均準(zhǔn)確率如表2所示。

圖4 訓(xùn)練過程中關(guān)于迭代次數(shù)的損失值曲線圖Fig.4 The loss value of the number of iterations during the training process

由圖5和表2得出結(jié)論，文中提出的MSRU-Net優(yōu)于其他3 個(gè)網(wǎng)絡(luò)，準(zhǔn)確率達(dá)到91.20 %，其次是MSCNN，檢測性能較好，準(zhǔn)確率為87.53 %。 其主要原因是MSCNN 和MSRU-Net 具有多維特征提取的能力。 MSRU-Net 優(yōu)于MSCNN 的原因是MSRU-Net 結(jié)合了多尺度卷積、U-Net、殘差連接和超像素的優(yōu)點(diǎn)。 SCNN 和M-FCN 不適合提取多尺度飛機(jī)檢測。 MSRU-Net 的訓(xùn)練時(shí)間最少，其原因是MSRU-Net 利用了殘差連接和超像素，加速了模型收斂。

圖5 基于四種不同模型的飛機(jī)檢測結(jié)果示意圖Fig.5 Aircraft detection results based on four different models

表2 4 種方法相對于標(biāo)注飛機(jī)圖像的檢測平均準(zhǔn)確率和模型的訓(xùn)練時(shí)間Tab.2 The average detection accuracy of the four methods relative to the labeled aircraft images and the training time of the model

5 結(jié)束語

針對傳統(tǒng)遙感圖像飛機(jī)檢測方法對小尺寸飛機(jī)圖像的檢測效果不理想的問題，構(gòu)建一種基于超像素和多尺度殘差U-Net（MSRU-Net）的遙感圖像飛機(jī)檢測方法。 首先利用超像素算法分割遙感飛機(jī)圖像，構(gòu)造像素組級別的超像素，較單個(gè)像素點(diǎn)處理極大降低了時(shí)間復(fù)雜度；然后通過多尺度殘差U-Net（MSRU-Net）提取不同尺度特征圖，通過級聯(lián)模型，將編碼特征與對應(yīng)的解碼特征相融合，增加飛機(jī)檢測的細(xì)節(jié)信息，提高較小飛機(jī)圖像的檢測準(zhǔn)確率。 實(shí)驗(yàn)驗(yàn)證了所提出的遙感圖像飛機(jī)檢測方法的有效性，準(zhǔn)確檢測率為91.20 %。