[發明專利]一種基于SAR的船只識別方法、裝置

在審

• 申請號: 201911339029.1
• 申請日: 2019-12-23
• 公開（公告）號: CN111611834A
• 公開（公告）日: 2020-09-01
• 發明（設計）人: 鄧練兵;陳金鹿;逯明
• 申請（專利權）人: 珠海大橫琴科技發展有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46;G06K9/62;G06T7/13
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 寇海俠

1.一種基于SAR的船只識別方法，其特征在于，包括：

獲取SAR圖像數據，對所述SAR圖像數據進行預處理，輸出待識別數據；

根據把所述待識別數據輸入CNN網絡進行訓練，獲得識別模型；

利用所述識別模型對待識別數據進行識別，以獲得識別結果；

基于所述識別結果進行顯著性檢測，獲取精確的目標位置；其中，所述目標位置為目標船只的位置數據。

2.根據權利要求1所述的方法，其特征在于，所述對所述SAR圖像數據進行預處理，包括對所述SAR圖像數據進行圖片灰度化和邊緣檢測。

3.根據權利要求2所述的方法，其特征在于，所述對所述SAR圖像數據進行預處理，還包括把所述SAR圖像數據劃分為訓練數據和測試數據；其中，所述輸入CNN網絡的待檢測數據為訓練數據，所述利用所述識別模型進行識別的數據為測試數據。

4.根據權利要求3所述的方法，其特征在于，所述CNN網絡包括：多層卷積層、全局平均池化層和2個全連接層。

5.根據權利要求4所述的方法，其特征在于，所述CNN網絡的學習率設置為0.005。

6.根據權利要求5所述的方法，其特征在于，把所述待檢測數據輸入CNN網絡進行訓練，包括：

設置CNN網絡的迭代次數和最大迭代次數，其中初始迭代從0開始；

從所述訓練數據中選取N個訓練數據輸入到CNN網絡，并輸出N個訓練數據的訓練結果；其中所述訓練結果為訓練數據的目標船只的位置數據。

7.根據權利要求6所述的方法，其特征在于，所述對待識別數據進行識別，包括：根據把所述待識別數據的N個測試數據輸入到識別模型中，以獲得所述測試數據的識別結果。

8.根據權利要求7所述的方法，其特征在于，所述顯著性檢測，包括：

獲取所述測試數據的識別結果；

根據所述識別結果進行特征提取，其中，所述特征包括顏色、亮度和方位；

基于在所述提取的特征和多種尺度下使用中央周邊操作產生體現顯著性度量的特征圖，并將所述特征圖合得到最終的顯著圖；

利用生物學中贏者取全的競爭機制以獲得所述識別結果精確的目標位置。

9.一種基于SAR的船只識別裝置，其特征在于，包括：

獲取模塊，用于獲取SAR圖像數據，對所述SAR圖像數據進行預處理，輸出待識別數據；

訓練模塊，用于根據把所述待識別數據輸入CNN網絡進行訓練，獲得識別模型；

識別模塊，用于利用所述識別模型對待識別數據進行識別，以獲得識別結果；

確定模塊，用于基于所述識別結果進行顯著性檢測，獲取精確的目標位置；其中，所述目標位置為目標船只的位置數據。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質存儲有計算機指令，所述計算機指令用于使所述計算機執行權利要求1-8中任一項所述的基于SAR的船只識別方法。