联合角度连续表示与感知平衡的遥感图像定向目标检测

目的遥感图像定向目标检测在环境监测、城市规划等领域发挥着重要作用，基于二维高斯分布的定向边界框表示方法实现了对旋转交并比（skew intersection over union，SkewIoU）的近似计算，因此受到了广泛关注。但二维高斯分布表示方法中存在角度边界不连续问题，且对不同宽高比目标角度感知不平衡，导致定位不准确。因此，提出了一种联合角度连续表示与感知平衡的检测算法（joint angle continuous representation and perceptual balance，JCPB）。方法首先，提出角度向量分解法（angular vector decomposition method，AVDM），通过在二维空间内将角度参数分解为向量编码，使得角度在边界和非边界位置处均能连续表示。并提出形状感知系数方法，根据目标宽高比动态调整系数值，在不增加编码长度的前提下调节角度损失函数的变化周期。其次，提出角度感知平衡策略（angle perceptual balance strategy，APBS），动态调节损失权重强化模型对小宽高比目标的方向判别能力。最后，基于二维高斯分布表示方法，通过联合角度连续表示和角度感知平衡策略，增强模型对目标方向的学习能力。结果在DOTA（dataset for object detection in aerial images）、DIOR-R（dataset for object detection in aerial images）和HRSC2016（high-resolution ship collections）数据集上进行大量实验测试。结果表明，在DOTA、DIOR-R和HRSC2016数据集上，与基准方法相比，所提方法在平均精度均值（mean average precision，mAP）上平均提升分别为1.46%、1.32%和4.19%，在SkewIoU阈值为0.75时，平均精准率（average precision，AP）平均提升分别为3.32%、2.19%和6.07%，实验结果验证了所提算法的有效性。结论本文算法通过将角度参数分解为连续的向量表示，并平衡模型对不同宽高比目标的感知能力，实现了遥感图像定向目标的高精度检测。