本发明涉及遥感图像处理，特别涉及一种局部超分辨率增强的遥感可见光图像目标检测方法及系统。
背景技术：
1、近年来，随着深度学习的快速发展，目标检测取得了显著进展。然而，它们在遥感可见光图像上的准确性和效率尚达不到令人满意的水平。主要影像因素可概括如下：(1)、遥感可见光图像通常较大，需要将这些图像的大小调整为较小的大小，或者将其分割成小切片进行检测。(2)、小物体构成了图像中的重要组成部分，而目标检测模型很难识别分辨率和视觉特征有限的小物体。(3)、图像中的物体分布不均匀,密集区域中的物体值得更多关注，而背景应该被忽略。现有的方法主要关注如何对图像进行小切片的切分，将切分后的小切片做为目标检测模型的输入。由于切片做为独立图像，相比于原始图像，小目标的检测相对提升，但只可以提高小目标的相对分辨率，无法提高小目标的真实分辨率。
技术实现思路
1、为此，本发明提供一种局部超分辨率增强的遥感可见光图像目标检测方法及系统，解决现有遥感可见光图像中小目标检测不理想的情形，通过对原始图像中小目标切片进行超分辨率增强，切实提高切片中小目标的真实分辨率，以提升目标检测模型检测精度。
2、按照本发明所提供的设计方案，一方面，提供一种局部超分辨率增强的遥感可见光图像目标检测方法，包含：
3、将待检测遥感可见光图像输入至预训练的目标检测模型，利用目标检测模型获取待检测遥感可见光图像中的若干第一预测框及第一目标类别；
4、基于第一预测框及第一目标类别，遍历待检测遥感可见光图像，依据小目标密度指标选取小目标区域，通过对该小目标区域进行切分并利用小波变换对切片进行超分辨率增强处理，获取增强切片，所述小目标密度指标依据目标个数及第一预测框面积设定；
5、将增强切片输入至预训练的目标检测模型，利用目标检测额模型获取增强切片中的第二预测框及第二目标类别；并使用非极大值抑制算法合并第一预测框和第二预测框，根据第一预测框和第二预测框之间的重叠程度输出待检测遥感可见光图像中的目标检测结果。
6、作为本发明局部超分辨率增强的遥感可见光图像目标检测方法，进一步地，所述目标检测模型采用centernet网络结构，并使用左上和右下两个点来代表预测框。
7、作为本发明局部超分辨率增强的遥感可见光图像目标检测方法，进一步地，小目标密度指标表示为：其中，n代表区域内目标个数，avg_size为预测框面积平均值。
8、作为本发明局部超分辨率增强的遥感可见光图像目标检测方法，进一步地，利用小波变换对切片进行超分辨率增强处理，包含：
9、使用双三次插值算法对切片进行放大，得到放大切片；
10、按颜色通道将放大切片分为三个子图，分别对三个子图进行二维小波变换处理，将各子图变换后的小波分量在通道维度上进行拼接得到子图切片特征；
11、利用预训练的dwsr模型将各子图变换后的小波分量重建为对应超分辨率图像，将三个子图的超分辨率图像合并，得到超分辨率增强处理后的增强切片。
12、作为本发明局部超分辨率增强的遥感可见光图像目标检测方法，进一步地，利用预训练的dwsr模型将低分辨率图像小波分量重建为对应超分辨率图像，包含：
13、基于卷积神经网络结构构建dwsr模型，利用高分辨率图像和低分辨率图像作为模型训练样本数据，将样本数据中的高分辨路图像和低分辨率图像的差值作为模型训练的真值，以对dwsr模型进行训练优化；
14、将放大切片中各子图小波变换后的小波分量作为训练后的dwsr模型输入，利用卷积神经网络预测预测差值，基于各颜色通道子图和预测差值获取对应的超分辨率图像。
15、作为本发明局部超分辨率增强的遥感可见光图像目标检测方法，进一步地，使用非极大值抑制算法合并第一预测框和第二预测框，包含：
16、将第二预测框中目标位置坐标还原到第一预测框坐标体系中；
17、使用非极大值抑制算法合并第一预测框和第二预测框中检测目标，在合并中通过判断第一预测框和第二预测框之间的重叠程度来确定并输出待检测遥感可见光图像中的目标检测结果，所述重叠程度采用预测框交并比。
18、作为本发明局部超分辨率增强的遥感可见光图像目标检测方法，进一步地，使用非极大值抑制算法合并第一预测框和第二预测框中检测目标，还包含：
19、将所有预测框放置在未处理队列中，按置信度对未处理队列中预测框进行排序，所述置信度为预测框包含目标的概率；
20、从未处理队列中选择置信度最高的目标预测框，并计算其与未处理队列中其他预测框重叠区域面积，从未处理队列中去除重叠区域面积大于预设阈值的预测框，并将目标预测框放置已处理队列中；
21、返回未处理队列，按照置信度对未处理队列中预测框重新排序，并按步骤依次执行，直至未处理队列为空；
22、依据已处理队列中预测框来获取待检测遥感可见光图像中的目标检测结果。
23、再一方面，本发明还提供一种局部超分辨率增强的遥感可见光图像目标检测系统，包含：图像检测模块、图像切片模块、切片增强模块、切片检测模块和检测合并模块，其中，
24、图像检测模块，用于将待检测遥感可见光图像输入至预训练的目标检测模型，利用目标检测模型获取待检测遥感可见光图像中的若干第一预测框及第一目标类别；
25、图像切片模块，用于基于第一预测框及第一目标类别，遍历待检测遥感可见光图像，依据小目标密度指标选取小目标区域，通过对该小目标区域进行切分，获取小目标区域图像切片；
26、切片增强模块，用于利用小波变换对小目标区域图像切片进行超分辨率增强处理，获取增强切片，所述小目标密度指标依据目标个数及第一预测框面积设定；
27、切片检测模块，用于将增强切片输入至预训练的目标检测模型，利用目标检测额模型获取增强切片中的第二预测框及第二目标类别；
28、检测合并模块，用于使用非极大值抑制算法合并第一预测框和第二预测框，根据第一预测框和第二预测框之间的重叠程度输出待检测遥感可见光图像中的目标检测结果。
29、本发明的有益效果：
30、本发明利用遥感可见光图像区域小目标密度指标快速锁定小目标高密度区域，指标简单、直观、有效，通过对小目标高密度关键局部切片进行超分辨率增强，还原成高分辨率图像，提高遥感可见光图像关键区域的检测精度，方案只对小目标最密集的区域进行切分并增强，不对整个原始图像进行增强，节约处理时间和计算量，能够在提升遥感图像目标检测精度的同时还兼顾效率，在遥感图像小目标检测领域具有较好的应用前景。
1.一种局部超分辨率增强的遥感可见光图像目标检测方法，其特征在于，包含：
2.根据权利要求1所述的局部超分辨率增强的遥感可见光图像目标检测方法，其特征在于，所述目标检测模型采用centernet网络结构，并使用左上和右下两个点来代表预测框。
3.根据权利要求1所述的局部超分辨率增强的遥感可见光图像目标检测方法，其特征在于，小目标密度指标表示为：其中，n代表区域内目标个数，avg_size为预测框面积平均值。
4.根据权利要求1所述的局部超分辨率增强的遥感可见光图像目标检测方法，其特征在于，利用小波变换对切片进行超分辨率增强处理，包含：
5.根据权利要求4所述的局部超分辨率增强的遥感可见光图像目标检测方法，其特征在于，利用预训练的dwsr模型将低分辨率图像小波分量重建为对应超分辨率图像，包含：
6.根据权利要求1所述的局部超分辨率增强的遥感可见光图像目标检测方法，其特征在于，使用非极大值抑制算法合并第一预测框和第二预测框，包含：
7.根据权利要求1所述的局部超分辨率增强的遥感可见光图像目标检测方法，其特征在于，使用非极大值抑制算法合并第一预测框和第二预测框中检测目标，还包含：
8.一种局部超分辨率增强的遥感可见光图像目标检测系统，其特征在于，包含：图像检测模块、图像切片模块、切片增强模块、切片检测模块和检测合并模块，其中，
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，当计算机程序被执行时，能够实现如权利要求1～7任一项所述的方法。
