[發明專利]基于FCN圖像序列模型的SAR視頻目標檢測方法

有效

• 申請號: 201810811807.1
• 申請日: 2018-07-23
• 公開（公告）號: CN108960190B
• 公開（公告）日: 2021-11-30
• 發明（設計）人: 侯彪;張瑞濤;焦李成;馬晶晶;馬文萍;白靜
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06N3/04
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

1.一種基于全卷積神經網絡FCN圖像序列模型的合成孔徑雷達SAR視頻目標檢測方法，其特征在于，搭建由基礎卷積層、步長為2的卷積層、轉置卷積層組成的嵌套型全卷積神經網絡FCN模型，利用該模型得到每個測試樣本中所有像素點可能含有機動車輛特征信息的置信度，根據所有測試樣本中機動車輛目標的幾何中心計算最終的檢測結果；該方法的具體步驟包括如下：

(1)搭建全卷積神經網絡FCN：

搭建一個由7層基礎卷積層、2層步長為2的卷積層、3層轉置卷積層組成的嵌套型全卷積神經網絡FCN模型；

所述的嵌套型全卷積神經網絡FCN模型的結構依次為：輸入層→第一個基礎卷積層→第二個基礎卷積層→第一個步長為2的卷積層→第三個基礎卷積層→第四個基礎卷積層→第二個步長為2的卷積層→第五個基礎卷積層→第六個基礎卷積層→第七個基礎卷積層→第一個轉置卷積層→第二個轉置卷積層→第三個轉置卷積層；

所述的嵌套型全卷積神經網絡FCN各層的參數設置如下：

將輸入層的特征映射圖的總數設置為1；

將七個基礎卷積層的特征映射圖的總數依次設置為64、64、128、128、256、256、256個，每個基礎卷積層的卷積核的尺度均設置為3*3個節點；

將第七個基礎卷積層的卷積核的感受野設置為27*27；

將兩個步長為2的卷積層的特征映射圖的總數依次設置為128、256個，每個步長為2的卷積層的卷積核的尺度均設置為3*3個節點；

將三個轉置卷積層的特征映射圖的總數依次設置為128、64、1個，每個轉置卷積層的轉置卷積核的尺度均設置為5*5個節點；

所述的步長為2的卷積層的卷積核步長參數設置為[0,2,2,0]；

(2)選取訓練樣本和測試樣本：

(2a)從機載合成孔徑雷達SAR上實時接收的合成孔徑雷達SAR視頻中，隨機選取150幀含有機動車輛目標的合成孔徑雷達SAR圖像，作為訓練樣本，從剩余的合成孔徑雷達SAR圖像中選取6幀連續的合成孔徑雷達SAR圖像序列，作為測試樣本；

(2b)對每個訓練樣本中的所有機動車輛進行標注，得到150張標注圖；

(3)訓練全卷積神經網絡FCN模型：

將150個訓練樣本和150張標注圖，分別輸入到全卷積神經網絡FCN中進行迭代訓練，直至全卷積神經網絡FCN的損失函數值小于10^-4，得到訓練好的全卷積神經網絡FCN；

(4)計算測試樣本中機動車輛目標的幾何中心：

(4a)將6個測試樣本分別輸入到訓練好的全卷積神經網絡FCN中，得到合成孔徑雷達SAR圖像序列的高維特征，將訓練好的全卷積神經網絡FCN的每個輸出，分別作為每個測試樣本中所有像素點可能含有機動車輛特征信息的置信度，得到每個測試樣本的檢測結果圖；

(4b)將每個測試樣本中相鄰且置信度大于0.5的所有像素點合并為區域；

(4c)利用質心計算公式，分別計算每個檢測結果圖中每個區域的幾何中心在平面坐標系中對應的坐標值；

(5)根據所有測試樣本中機動車輛目標的幾何中心計算最終的檢測結果：

(5a)將第6個測試樣本中所有機動車輛目標的幾何中心，在平面坐標系中對應的坐標值組成參照坐標值集；

(5b)將第1到第5個測試樣本中所有機動車輛目標的幾何中心，在平面坐標系中對應的坐標值組成對比坐標值集；

(5c)分別計算每個參照坐標值與對比坐標值集中的每個對比坐標值的歐式距離，將小于500的歐式距離的對比坐標數量小于3的參照坐標值舍棄；

(5d)將參照坐標值集中未被舍棄的參照坐標值作為合成孔徑雷達SAR圖像序列中的機動車輛目標在平面坐標系中對應的坐標值輸出。

2.根據權利要求1所述的基于全卷積神經網絡FCN圖像序列模型的合成孔徑雷達SAR視頻目標檢測方法，其特征在于，步驟(2b)中所述的對每個訓練樣本中的所有機動車輛進行標注的步驟如下：

第一步，創建一個與每個訓練樣本大小相同的全0二值圖像；

第二步，將訓練樣本中每個包含機動車輛特征信息的像素在二值圖像中對應位置的像素值賦值為1；

第三步，將標注后的二值圖像作為訓練樣本的標注圖輸出。