[發(fā)明專利]一種多維域特征聯(lián)合SAR船艦智能檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011562298.7
• 申請(qǐng)日: 2020-12-25
• 公開(kāi)（公告）號(hào): CN112862748B
• 公開(kāi)（公告）日: 2023-05-30
• 發(fā)明（設(shè)計(jì)）人: 李東;梁全歡;李秀琴;萬(wàn)俊;陳展野;程婉儒;唐先慧
• 申請(qǐng)（專利權(quán)）人: 重慶大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06V10/46;G06V10/80;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 重慶縱義天澤知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 50272
• 代理人: 舒夢(mèng)來(lái)

1.一種多維域特征聯(lián)合SAR船艦智能檢測(cè)方法，其特征在于，所述多維域特征聯(lián)合SAR船艦智能檢測(cè)方法，包括：

步驟一，針對(duì)現(xiàn)有SAR船艦?zāi)繕?biāo)存在的多尺度問(wèn)題以及旋轉(zhuǎn)問(wèn)題進(jìn)行分析，通過(guò)骨干網(wǎng)絡(luò)獲取到自下而上的分層空間特征，并采用特征金字塔FPN得到多尺度特征；

步驟二，在上述步驟一得到的空間多尺度特征，通過(guò)RPN網(wǎng)絡(luò)獲取到SAR圖像候選區(qū)域的坐標(biāo)信息與類別信息，并將其坐標(biāo)信息分別映射到原始圖像與多尺度特征圖；

步驟三，針對(duì)船艦的旋轉(zhuǎn)行為，聯(lián)合時(shí)頻域維域進(jìn)行處理；根據(jù)步驟二得到的原始圖像的候選區(qū)域，通過(guò)對(duì)其進(jìn)行傅里葉-極坐標(biāo)變換得到SAR船艦?zāi)繕?biāo)的旋轉(zhuǎn)不變信息，通過(guò)特征提取獲得SAR船艦?zāi)繕?biāo)頻域旋轉(zhuǎn)不變特征；

步驟四，針對(duì)空間-頻域特征融合，設(shè)計(jì)了一種更精細(xì)的特征融合網(wǎng)絡(luò)，通過(guò)交互地更新不同網(wǎng)絡(luò)的參數(shù)，以獲得更緊湊的特征表達(dá)，可以綜合表征各個(gè)維域的特征。

2.如權(quán)利要求1所述多維域特征聯(lián)合SAR船艦智能檢測(cè)方法，其特征在于，所述步驟一中，通過(guò)空間通道卷積神經(jīng)網(wǎng)絡(luò)Ω_S可以很容易地從SAR圖像中得到空間特征φ_S(x,y)，其可表示為

φ_S(x,y)＝Ω_S(I(x,y),θ_s)；

式中，I(x,y)表示輸入的SAR船艦圖像，θ_s表示Ω_S中的相關(guān)參數(shù)集合；通過(guò)特征金字塔FPN對(duì)高層特征進(jìn)行上采樣并經(jīng)由橫向連接進(jìn)行增強(qiáng)得到空間多尺度特征φ_{S_MS}(x,y)。

3.如權(quán)利要求1所述多維域特征聯(lián)合SAR船艦智能檢測(cè)方法，其特征在于，所述步驟二中，通過(guò)將空間特征共享給RPN得到圖像的提議區(qū)域，具體過(guò)程如下：

第一步，使用3×3的卷積核對(duì)共享特征圖進(jìn)行卷積，目的是使提取出來(lái)的特征更加魯棒；

第二步，使用兩次1×1的卷積核得到候選區(qū)域的類別信息與位置信息；

第三步，將候選區(qū)域位置信息分別映射到原始圖像與多尺度特征圖上分別得到I_Sub(x,y)和φ_{S_MS_Sub}(x,y)。

4.如權(quán)利要求3所述多維域特征聯(lián)合SAR船艦智能檢測(cè)方法，其特征在于，所述第三步中，對(duì)獲得的原始圖像候選區(qū)域I_Sub(x,y)進(jìn)行極坐標(biāo)變換，其變換關(guān)系如下：

其中r表示在直角坐標(biāo)系中點(diǎn)(x,y)到原點(diǎn)的距離，θ為x軸與該點(diǎn)與原點(diǎn)連接的直線之間的夾角，以逆時(shí)針?lè)较驗(yàn)檎?/p>

5.如權(quán)利要求4所述多維域特征聯(lián)合SAR船艦智能檢測(cè)方法，其特征在于，對(duì)得到的極坐標(biāo)圖像進(jìn)行傅里葉變換，并取其幅度譜

其中，F(xiàn)_Sub(μ,ν)表示候選區(qū)域頻域信息，μ,ν分別為對(duì)應(yīng)的二維頻域變量，取其幅度譜，得到旋轉(zhuǎn)不變信息M_Sub(μ,ν)。

6.如權(quán)利要求5所述多維域特征聯(lián)合SAR船艦智能檢測(cè)方法，其特征在于，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)對(duì)得到的旋轉(zhuǎn)不變信息M_Sub(μ,ν)進(jìn)行特征提取

φ_{F_RI_Sub}(x,y)＝Ω_F(M_Sub(u,v),θ_F)；

式中，φ_{F_RI_Sub}(x,y)表示SAR船艦?zāi)繕?biāo)的旋轉(zhuǎn)不變特征，Ω_F為頻域特征提取網(wǎng)絡(luò)，θ_F為其相關(guān)參數(shù)集合。

7.如權(quán)利要求1所述多維域特征聯(lián)合SAR船艦智能檢測(cè)方法，其特征在于，所述步驟三中，針對(duì)SAR船艦?zāi)繕?biāo)的旋轉(zhuǎn)行為進(jìn)行處理，提取其旋轉(zhuǎn)不變特征，具體過(guò)程如下：

圖像直角坐標(biāo)下的旋轉(zhuǎn)行為在極坐標(biāo)下表現(xiàn)為目標(biāo)的平移，因此利用極坐標(biāo)變換將直角坐標(biāo)系下的旋轉(zhuǎn)變換轉(zhuǎn)化為平移變換；同時(shí)結(jié)合傅里葉變換的特性，取其頻譜信息的幅度譜，以適應(yīng)SAR艦船目標(biāo)的任意旋轉(zhuǎn)角度，得到SAR船艦?zāi)繕?biāo)的旋轉(zhuǎn)不變信息。