[發(fā)明專利]基于深度學(xué)習(xí)的雷達(dá)回波圖像高壓線分割方法

有效

• 申請?zhí)枺?/td>: 201910587748.9
• 申請日: 2019-07-02
• 公開（公告）號: CN110428424B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計）人: 羅旌勝;孫永光;蘆達(dá)
• 申請（專利權(quán)）人: 中國航空工業(yè)集團(tuán)公司雷華電子技術(shù)研究所
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/00;G06T3/40;G06N3/0464;G06N3/084
• 代理公司: 北京清大紫荊知識產(chǎn)權(quán)代理有限公司 11718
• 代理人: 張卓

本發(fā)明公開了一種基于深度學(xué)習(xí)的雷達(dá)回波圖像高壓線分割方法，通過雷達(dá)回波圖像高壓線目標(biāo)標(biāo)注,以及深度學(xué)習(xí)高壓線分割網(wǎng)絡(luò)模型的設(shè)計訓(xùn)練，從雷達(dá)回波圖像中分割出高壓線目標(biāo)，提高復(fù)雜場景下的高壓線檢測正確率。其中網(wǎng)絡(luò)模型設(shè)計了卷積模塊DCN，堆疊DCN模塊實現(xiàn)編碼，對雷達(dá)回波圖像進(jìn)行特征變換和特征提取，得到特征圖；設(shè)計卷積模塊GCN，堆疊GCN模塊，再經(jīng)過轉(zhuǎn)置卷積，實現(xiàn)編碼后特征圖有效信息的恢復(fù)。本發(fā)明將雷達(dá)回波方位向拼接，可有效利用高壓線的空間關(guān)系特征；本發(fā)明網(wǎng)絡(luò)模型的參數(shù)調(diào)整不需要人工參與，提高了特征選擇和提取的有效性；本發(fā)明將雷達(dá)回波目標(biāo)檢測問題轉(zhuǎn)化成深度學(xué)習(xí)圖像分割問題，實現(xiàn)了高壓線目標(biāo)的精確檢測。

技術(shù)領(lǐng)域

本技術(shù)屬于雷達(dá)防撞探測技術(shù)領(lǐng)域，具體公開了一種基于深度學(xué)習(xí)的雷達(dá)回波圖像高壓線分割方法。

背景技術(shù)

高壓線的準(zhǔn)確檢測是低空防撞雷達(dá)最重要的功能，但由于高壓線特性復(fù)雜，地面場景多樣，傳統(tǒng)的高壓線檢測方法例如基于CFAR檢測、角度模型匹配檢測和SVM檢測等方法難以獲得穩(wěn)健的特征，復(fù)雜場景適應(yīng)性差，目前未能取得令人滿意的檢測效果。

近些年來深度學(xué)習(xí)技術(shù)發(fā)展，在光學(xué)圖像目標(biāo)識別、檢測和分割等領(lǐng)域的應(yīng)用，已經(jīng)取得了巨大的成功，但在雷達(dá)檢測識別的應(yīng)用甚少，特別是深度學(xué)習(xí)在高壓線檢測/分割方面的應(yīng)用，目前還未找到發(fā)表的相關(guān)論文及專利。本發(fā)明首次將深度學(xué)習(xí)技術(shù)應(yīng)用于高壓線檢測，通過拼接多個方位的雷達(dá)回波獲得雷達(dá)回波圖像，將高壓線檢測問題轉(zhuǎn)化成圖像分割問題，使用深度學(xué)習(xí)圖像分割方法，實現(xiàn)雷達(dá)回波高壓線目標(biāo)的準(zhǔn)確檢測，解決高壓線檢測場景適應(yīng)性差、檢測性能不穩(wěn)定等問題，為防撞雷達(dá)高壓線檢測提供新方法新思路。

發(fā)明創(chuàng)造目的

由于低空環(huán)境復(fù)雜，高壓線的架設(shè)條件受地形地物的影響，傳統(tǒng)的高壓線檢測方法依靠人工憑借經(jīng)驗難以提取與選擇有效的特征，檢測識別性能不佳。針對上述問題，本發(fā)明提出了一種基于深度學(xué)習(xí)的雷達(dá)回波圖像高壓線分割方法，實現(xiàn)了雷達(dá)回波中的高壓線目標(biāo)的有效檢測，該方法極大提高了復(fù)雜場景下高壓線檢測的準(zhǔn)確性，為直升機(jī)防撞探測系統(tǒng)提供技術(shù)支持。

技術(shù)方案

基于深度學(xué)習(xí)的雷達(dá)回波圖像高壓線分割方法，其特征在于，通過雷達(dá)回波圖像高壓線目標(biāo)標(biāo)注,以及深度學(xué)習(xí)高壓線分割網(wǎng)絡(luò)模型的設(shè)計和訓(xùn)練，從雷達(dá)回波圖像中分割出高壓線目標(biāo)，提高復(fù)雜場景下的高壓線檢測正確率。

所述深度學(xué)習(xí)高壓線分割網(wǎng)絡(luò)模型的設(shè)計，具體包括：

a)輸入：雷達(dá)回波圖像，按照全卷積網(wǎng)絡(luò)要求進(jìn)行數(shù)據(jù)的尺度縮放或裁剪；

b)編碼：設(shè)計卷積模塊DCN，堆疊DCN模塊實現(xiàn)編碼，對雷達(dá)回波圖像進(jìn)行特征變換和特征提取，得到特征圖。

c)解碼：設(shè)計卷積模塊GCN，堆疊GCN模塊，再經(jīng)過轉(zhuǎn)置卷積，實現(xiàn)編碼后特征圖有效信息的恢復(fù)。

d)輸出：解碼后的特征圖經(jīng)過分類器，輸出雷達(dá)回波圖像高壓線語義分割結(jié)果。

所述DCN模塊具體實現(xiàn)為：

對于輸入尺寸為2W×2H×C₀的特征圖，使用1×1卷積核進(jìn)行特征圖降維處理，再分兩支路，其中一個支路通過最大池化，再將特征圖填充到W×H×C₁維度上；另一支路用2×2卷積核以步長為2進(jìn)行處理，再經(jīng)過dilated為1、2、4的3×3空洞卷積操作，之后利用1×1卷積核進(jìn)行升維，得到尺寸為W×H×C₁的特征圖。最后將兩個支路數(shù)據(jù)相加輸出。

所述GCN模塊具體實現(xiàn)為：

對于輸入尺寸為W×H×C的特征圖，分兩支路，其中一個支路先用尺寸為K×1的卷積核處理，再用1×K的卷積核處理；另一支路先用尺寸為1×K的卷積核處理，再用K×1的卷積核處理；之后將兩路尺寸為W×H×21的特征圖相加；最后再經(jīng)過反池化處理，得到尺寸2W×2H×21的特征圖。