[發明專利]基于融合卷積神經網絡的SAR圖像目標檢測方法

有效

• 申請號: 201910327007.7
• 申請日: 2019-04-22
• 公開（公告）號: CN110097524B
• 公開（公告）日: 2022-12-06
• 發明（設計）人: 李亞超;呂雅麗;全英匯;王亦倩;武春風;徐鋼鋒
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T5/30
• 分類號: G06T5/30;G06T5/50;G06T7/11;G06T3/60;G06T5/00;G06T7/136;G06V10/774;G06V10/82;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

本發明公開了一種基于融合卷積神經網絡的SAR圖像目標檢測方法，主要解決現有技術中SAR圖像中地面機動目標檢測率低魯棒性差的問題。本發明的具體步驟如下：(1)構建卷積神經網絡；(2)生成訓練集；(3)利用形態學操作對圖像進行預處理；(4)利用分水嶺算法生成電磁散射特征圖；(5)訓練卷積神經網絡；(6)生成融合卷積神經網絡；(7)訓練融合卷積神經網絡；(8)生成測試集；(9)對測試集進行目標檢測。本發明具有提高機動目標檢測率和場景適用能力，對不同方位、不同角度及在背景噪聲的情況下的目標檢測也有很好的魯棒性的優點。

技術領域

本發明屬于圖像處理技術領域，更進一步涉及雷達圖像目標檢測技術領域中的一種基于融合卷積神經網絡CNN(Convolutional neural network)的SAR圖像目標檢測方法。本發明可應用于對合成孔徑雷達圖像不同區域中的機動目標進行快速有效檢測。

背景技術

目標檢測技術是計算機視覺領域的核心問題之一，SAR目標檢測是以合成孔徑雷達捕捉到的影像為數據源，采用圖像處理技術對影像中感興趣目標進行檢測。SAR目標檢測是雷達應用技術中的重要一環，可以在高科技軍事對抗中，精準捕捉攻擊目標，在軍事領域有至關重要的意義。

電子科技大學在其申請的專利文獻“一種SAR圖像目標檢測識別一體化方法”(專利申請號：201710461303.7，公開號：CN107341488A)中提出了一種基于卷積神經網絡融合淺層特征和深層特征的SAR圖像目標檢測識別方法。該方法利用卷積神經網絡自動發掘選擇目標特征,將目標的淺層特征和深層特征融合在一起,能夠同時完成SAR圖像目標的檢測和識別任務,實現了SAR圖像目標檢測識別一體化。相比其他SAR目標檢測識別方法,該方法具有更高的檢測識別效率和更強的適用性。但是該方法仍然存在的不足之處是：由于該方法沒有充分利用SAR圖像中目標特有的豐富的電磁散射信息，目標電磁散射中心特征表征著目標的部件、材質、角度、位置等信息，與雜波相比差異很大，且電磁散射信息可保證目標同一個部件像素連續性，彌補了SAR圖像中屬于同一目標同一部件的像素分散。因此該方法針對SAR圖像中復雜目標檢測準確率不高。

北京理工大學在其申請的專利文獻“基于分割組合的SAR圖像自適應恒虛警率目標檢測方法”(專利申請號：201010292987.0，公開號：CN10197594OA)中提出了一種基于分割組合的SAR圖像自適應恒虛警率目標檢測方法。該方法利用參考窗策略得到用來估計背景雜波模型的參數,然后利用虛警概率以及雜波模型之間的關系得到檢測器的檢測閾值，將當前檢測單元的像素值與檢測閉值比較,判斷目標是否存在。該方法雖然計算量小,操作簡單，但是該方法仍然存在的不足之處是：該方法由于要對輸入SAR圖像建立背景雜波統計模型，此模型建立難度大且適用場景范圍小，檢測器的檢測閾值難以自適應選擇,因此該方法中建立SAR圖像背景雜波統計模型需要非常強的專業背景知識與經驗，而且對于多樣性變化的目標并沒有很好的魯棒性。

發明內容

本發明的目的是針對上述現有技術的不足，提出一種基于融合卷積神經網絡的SAR圖像目標檢測方法。本發明與現有其他SAR圖像目標檢測方法相比，能夠將SAR圖像中目標的電磁散射特征與卷積神經網絡進行融合以提高檢測魯棒性和準確率。

實現本發明目的的思路是：先構建訓練集、電磁散射特征訓練集和測試集，再搭建一個共16層的卷積神經網絡、設置每層參數并進行預訓練得到預訓練網絡，用訓練集和電磁散射特征訓練集分別對預訓練網絡進行訓練，得到訓練好的兩支網絡，將這兩支網絡進行基于深度學習的融合得到一支融合網絡并重新訓練得到訓練好的融合網絡，最后將測試集送入訓練好的融合網絡得到SAR圖像的最終檢測結果。

本發明的具體步驟包括如下：

(1)構建卷積神經網絡：

(1a)搭建一個16層的卷積神經網絡；

(1b)設置卷積神經網絡的參數；

(2)生成訓練集：