[發(fā)明專利]一種面向SAR圖像的飛機(jī)目標(biāo)自動(dòng)檢測(cè)方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011496837.1
• 申請(qǐng)日: 2020-12-17
• 公開（公告）號(hào): CN112528896A
• 公開（公告）日: 2021-03-19
• 發(fā)明（設(shè)計(jì)）人: 肖紅光;王杰嵐;陳立福;潘舟浩;邢進(jìn);黃園媛
• 申請(qǐng)（專利權(quán)）人: 長(zhǎng)沙理工大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/62;G06T7/00;G06T7/13;G06N3/04;G06N3/08
• 代理公司: 湖南兆弘專利事務(wù)所(普通合伙) 43008
• 代理人: 譚武藝

本發(fā)明公開了一種面向SAR圖像的飛機(jī)目標(biāo)自動(dòng)檢測(cè)方法及系統(tǒng)，本發(fā)明面向SAR圖像的飛機(jī)目標(biāo)自動(dòng)檢測(cè)方法包括：針對(duì)機(jī)場(chǎng)SAR圖像進(jìn)行機(jī)場(chǎng)檢測(cè)，得到機(jī)場(chǎng)掩膜和機(jī)場(chǎng)矩形輪廓；針對(duì)機(jī)場(chǎng)SAR圖像的機(jī)場(chǎng)矩形輪廓進(jìn)行飛機(jī)檢測(cè)，得到無掩膜的飛機(jī)檢測(cè)結(jié)果；針對(duì)無掩膜的飛機(jī)檢測(cè)結(jié)果使用機(jī)場(chǎng)掩膜去除虛警，得到最終的飛機(jī)檢測(cè)結(jié)果。本發(fā)明能夠快速和精確地定位機(jī)場(chǎng)區(qū)域，顯著地降低了飛機(jī)檢測(cè)的虛警率，而且減少了后續(xù)飛機(jī)檢測(cè)的計(jì)算量，飛機(jī)檢測(cè)精度和速度上均表現(xiàn)較好。

技術(shù)領(lǐng)域

本發(fā)明涉及面向SAR圖像的圖像目標(biāo)識(shí)別技術(shù)，具體涉及一種面向SAR圖像的飛機(jī)目標(biāo)自動(dòng)檢測(cè)方法及系統(tǒng)。

背景技術(shù)

合成孔徑雷達(dá)(Synthetic Aperture Radar，SAR)是一種先進(jìn)的主動(dòng)式微波對(duì)地觀測(cè)設(shè)備，而且成像幾何屬于斜距投影類型。它有一定的穿透作用，可以有效探測(cè)被偽裝的目標(biāo)。目前高分辨SAR系統(tǒng)的分辨率已經(jīng)可以達(dá)到厘米級(jí)，能夠清晰的對(duì)大型戰(zhàn)術(shù)目標(biāo)進(jìn)行清晰的成像，有效的幫助軍事人員對(duì)目標(biāo)進(jìn)行識(shí)別。另外，SAR還具有全天時(shí)全天候的工作特點(diǎn)，適合在各種惡劣的戰(zhàn)場(chǎng)條件下完成偵查任務(wù)。自1978年以來，SAR憑借其獨(dú)特的成像機(jī)制吸引了雷達(dá)科學(xué)界的無數(shù)目光，其在軍事和民用領(lǐng)域都得到了廣泛的應(yīng)用。飛機(jī)檢測(cè)可以更加有效地對(duì)機(jī)場(chǎng)進(jìn)行管理，而且獲取飛機(jī)的數(shù)量與位置等信息在軍事領(lǐng)域具有重要價(jià)值。因此，對(duì)SAR圖像進(jìn)行飛機(jī)目標(biāo)檢測(cè)具有重要意義。

傳統(tǒng)的SAR圖像目標(biāo)檢測(cè)方法主要分為兩類。(1)基于單特征的方法。這種方法通常利用雷達(dá)散射截面積(Radar Cross Section，RCS)信息挑選對(duì)比度較亮的部分作為候選目標(biāo)。其中最常見的檢測(cè)方法為基于雜波統(tǒng)計(jì)與閾值提取的恒虛警率算法(ConstantFalse Alarm Rate，CFAR)。1968年，在CFAR的基礎(chǔ)上，F(xiàn)inn等人提出了CA-CFAR算法。1973年，Goldstein[19]將CFAR方法進(jìn)一步拓展到對(duì)數(shù)正態(tài)分布和Weibull分布的背景噪聲即聲名卓著的Goldstein檢測(cè)器。然而，CFAR算法沒有考慮目標(biāo)的結(jié)構(gòu)信息，這樣會(huì)導(dǎo)致目標(biāo)定位不精確。(2)基于多特征的方法。將多種特征融合在一起，再檢測(cè)目標(biāo)。2015年，Tan Yi-hua等人將梯度紋理顯著圖與CFAR算法結(jié)合檢測(cè)機(jī)場(chǎng)的飛機(jī)目標(biāo)。然而，特征設(shè)計(jì)起來很復(fù)雜，設(shè)計(jì)時(shí)間長(zhǎng)，并且同種特征組合不一定適用于所有的場(chǎng)景，不具有高效性。總的來說，傳統(tǒng)的SAR圖像目標(biāo)檢測(cè)方法存在許多難以攻破的問題。

許多研究者開始研究機(jī)器學(xué)習(xí)算法，如SVM(Support Vector Machine)AdaBoost(Adaptive Boosting)等，來進(jìn)行SAR圖像目標(biāo)檢測(cè)。雖然機(jī)器學(xué)習(xí)算法與傳統(tǒng)目標(biāo)檢測(cè)方法相比，檢測(cè)效果有一定的提升，但它們僅適用于小樣本情況，難以設(shè)計(jì)具有高泛化能力的特征。