Las imágenes de teledetección por satélite tienen una alta resolución y los objetivos tienen un tamaño relativo pequeño en la imagen, por lo que es difícil asegurar simultáneamente la precisión de detección y la velocidad de funcionamiento. Para resolver el problema de la detección de objetivos en imágenes de teledetección de alta resolución, este artículo propone un método de detección que combina la segmentación por ventana deslizante y un detector de objetivos pequeños. Primero se utiliza el método de ventana deslizante para segmentar la imagen en varias subimágenes, el paso de deslizamiento es ligeramente menor que el tamaño de la ventana para que cada subimagen tenga cierta superposición, y se adopta una ventana de segmentación más grande para reducir el número de subimágenes. Después, las subimágenes se comprimen y se utiliza un algoritmo de detección de objetivos para procesar las imágenes comprimidas y reducir el tiempo de ejecución del algoritmo. Finalmente, se combinan los resultados de detección y se utiliza una estrategia de supresión de no-máximos para eliminar los objetivos detectados repetidamente en las áreas superpuestas. En cuanto al algoritmo de detección, este artículo se basa en YOLOv8n, mejora la estructura de la red utilizando núcleos convolucionales SPD, ajusta la estrategia de emparejamiento de muestras positivas y negativas basada en el método NWD, y mejora la estructura de la pirámide de características para mejorar el rendimiento de detección de pequeños objetivos, lo que permite que el algoritmo se adapte a las subimágenes comprimidas de mayor tamaño para reducir el número de segmentaciones de imágenes y mejorar la velocidad de detección. Los experimentos demostraron que, en un conjunto de datos de detección de vehículos con una resolución promedio de imagen de 4000×4000, el método tiene una precisión media de detección de objetivos del 55.7%, un tiempo promedio de cálculo por imagen de aproximadamente 47.5 ms, una precisión mejorada en un 16% en comparación con YOLOv8n, un 15% en comparación con YOLOv5s y un 7.6% en comparación con YOLOv6s. La eficiencia operativa del método satisface los requisitos en tiempo real y puede detectar objetivos en imágenes de teledetección por satélite con mayor precisión en tiempo real.

Detección de objetivos; imágenes de teledetección; algoritmo YOLOv8; detección de pequeños objetivos; método de ventana deslizante