[發明專利]一種多維域特征聯合SAR船艦智能檢測方法

有效

• 申請號: 202011562298.7
• 申請日: 2020-12-25
• 公開（公告）號: CN112862748B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 李東;梁全歡;李秀琴;萬俊;陳展野;程婉儒;唐先慧
• 申請（專利權）人: 重慶大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/46;G06V10/80;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 重慶縱義天澤知識產權代理事務所(普通合伙) 50272
• 代理人: 舒夢來

1.一種多維域特征聯合SAR船艦智能檢測方法，其特征在于，所述多維域特征聯合SAR船艦智能檢測方法，包括：

步驟一，針對現有SAR船艦目標存在的多尺度問題以及旋轉問題進行分析，通過骨干網絡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RPN網絡獲取到SAR圖像候選區域的坐標信息與類別信息，并將其坐標信息分別映射到原始圖像與多尺度特征圖；

步驟三，針對船艦的旋轉行為，聯合時頻域維域進行處理；根據步驟二得到的原始圖像的候選區域，通過對其進行傅里葉-極坐標變換得到SAR船艦目標的旋轉不變信息，通過特征提取獲得SAR船艦目標頻域旋轉不變特征；

步驟四，針對空間-頻域特征融合，設計了一種更精細的特征融合網絡，通過交互地更新不同網絡的參數，以獲得更緊湊的特征表達，可以綜合表征各個維域的特征。

2.如權利要求1所述多維域特征聯合SAR船艦智能檢測方法，其特征在于，所述步驟一中，通過空間通道卷積神經網絡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中的相關參數集合；通過特征金字塔FPN對高層特征進行上采樣并經由橫向連接進行增強得到空間多尺度特征φ_{S_MS}(x,y)。

3.如權利要求1所述多維域特征聯合SAR船艦智能檢測方法，其特征在于，所述步驟二中，通過將空間特征共享給RPN得到圖像的提議區域，具體過程如下：

第一步，使用3×3的卷積核對共享特征圖進行卷積，目的是使提取出來的特征更加魯棒；

第二步，使用兩次1×1的卷積核得到候選區域的類別信息與位置信息；

第三步，將候選區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.如權利要求3所述多維域特征聯合SAR船艦智能檢測方法，其特征在于，所述第三步中，對獲得的原始圖像候選區域I_Sub(x,y)進行極坐標變換，其變換關系如下：

其中r表示在直角坐標系中點(x,y)到原點的距離，θ為x軸與該點與原點連接的直線之間的夾角，以逆時針方向為正。

5.如權利要求4所述多維域特征聯合SAR船艦智能檢測方法，其特征在于，對得到的極坐標圖像進行傅里葉變換，并取其幅度譜

其中，F_Sub(μ,ν)表示候選區域頻域信息，μ,ν分別為對應的二維頻域變量，取其幅度譜，得到旋轉不變信息M_Sub(μ,ν)。

6.如權利要求5所述多維域特征聯合SAR船艦智能檢測方法，其特征在于，通過卷積神經網絡對得到的旋轉不變信息M_Sub(μ,ν)進行特征提取

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船艦目標的旋轉不變特征，Ω_F為頻域特征提取網絡，θ_F為其相關參數集合。

7.如權利要求1所述多維域特征聯合SAR船艦智能檢測方法，其特征在于，所述步驟三中，針對SAR船艦目標的旋轉行為進行處理，提取其旋轉不變特征，具體過程如下：

圖像直角坐標下的旋轉行為在極坐標下表現為目標的平移，因此利用極坐標變換將直角坐標系下的旋轉變換轉化為平移變換；同時結合傅里葉變換的特性，取其頻譜信息的幅度譜，以適應SAR艦船目標的任意旋轉角度，得到SAR船艦目標的旋轉不變信息。