[發明專利]基于上下文信息的SAR圖像目標檢測方法

有效

• 申請號: 202110022951.9
• 申請日: 2021-01-08
• 公開（公告）號: CN112766108B
• 公開（公告）日: 2023-07-18
• 發明（設計）人: 杜蘭;郭冠博;李璐
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/774;G06V10/776;G06V10/82;G06V10/80;G06N3/044;G06N3/0464;G06N3/048;G06N3/082
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

本發明公開了一種基于上下文信息的SAR圖像目標檢測方法，主要解決現有技術忽略目標周圍場景中的上下文信息，導致檢測性能差的問題。其方案是：生成訓練、驗證數據集；添加由雙向GRU網絡實現的上下文信息融合模塊，構成基于上下文信息的SAR圖像目標檢測網絡，使得圖片特征中的每個特征像素能融合其與周圍像素之間的上下文信息，并在檢測模塊中使用ROI?Align固定特征尺寸，采用雙線性插值的方式代替對浮點數取整，以免候選區域映射位置出現偏差；計算目標檢測網絡的損失，并根據損失對網絡進行訓練；將測試數據輸入到訓練好的目標檢測網絡中進行測試，得到檢測結果。本發明有效提高了SAR圖像目標檢測性能，可用于目標識別。

技術領域

本發明屬于雷達圖像處理技術領域，更進一步涉及一種合成孔徑雷達SAR圖像目標檢測方法，可用于對SAR圖像中的目標識別。

背景技術

合成孔徑雷達是一種主動式微波遙感器，它利用脈沖壓縮技術提高距離分辨率，利用綜合孔徑原理提高方位分辨率，從而獲得大面積的高分辨SAR圖像。同時，其具備全天時、全天候、高分辨、大幅寬等多種特點，并具有一定的地表穿透能力。合成孔徑雷達系統在災害檢測、環境檢測、海洋檢測、資源勘查、測繪和軍事等方面具有獨特的優勢。因此，作為對地觀測和軍事偵察的重要手段，合成孔徑雷達圖像自動目標識別ATR成為重要的研究方向。SAR圖像目標識別通常包括檢測、鑒別、識別三個階段。檢測階段用于檢測出可能為目標的圖像區域，鑒別和識別進一步從這些可能為目標的區域中確定目標。檢測階段的性能是后兩個階段的基礎。因此，SAR圖像目標檢測具有很重要的研究價值。

現有的SAR圖像目標檢測方法包括非學習的目標檢測算法和基于學習的目標檢測算法。其中恒虛警率CFAR算法屬于非學習的目標檢測算法，在其基礎上的改進算法雙參數CFAR檢測算法要求SAR圖像中的目標像素與背景像素具有較高的對比度，同時假設背景雜波的統計分布模型屬于高斯分布。首先，根據要求的虛警概率計算出檢測所要求的門限值；然后計算圖像中待檢測像素點的統計檢測量；最后將計算得到的統計檢測量與檢測門限值進行比較，高于門限值即判定該像素屬于目標像素點，低于門限值即為背景雜波像素點，最終得到像素水平的檢測結果。該方法需要對圖片的每一個像素點執行相同的操作，因此檢測時間較長。同時，該方法也需要更加SAR圖像目標的先驗信息設置固定的窗口，當圖像中目標的尺寸變化較大時，會影響該方法的檢測性能。

隨著深度學習的發展，基于卷積神經網絡的圖像處理方法取得了很大的成功，同時也廣泛的應用于目標檢測中。2014年，Ross?Girshick等人提出了R-CNN目標檢測網絡，該方法先通過選擇性搜索SS的方式獲取輸入圖像的候選區域，然后將其輸入卷積神經網絡獲得每個候選區域的特征，最后通過SVM分類器對所得特征進行分類，并對目標邊框進行微調。2015年，Ross?Girshick等人在R-CNN的基礎上進一步提出了Fast?R-CNN網絡模型，該方法將選擇性搜索獲得的候選區域映射到卷積特征圖上，獲得候選區域對應的特征，然后對這些特征進行分類和回歸，該方法避免了R-CNN中大量候選區域輸入卷積神經網絡帶來的重復計算的問題，提升了檢測速度和精度，但選擇性搜索依舊制約其速度。2015年，Shaoqing?Ren、何凱明和Ross?Girshick等人在Fast?R-CNN的基礎上提出了Faster?R-CNN，該方法通過訓練區域提取網絡RPN獲取候選區域，大大提升了目標檢測的速度和精度。

西安電子科技大學在專利公開號為CN106228124A的專利文獻中公開了一種“基于卷積神經網絡的SAR圖像目標檢測方法”。該方法基于卷積神經網絡實現對SAR圖像目標檢測。其通過對訓練數據進行標記并用其對網絡進行訓練，當網絡收斂后，使用訓練完成的檢測模型對測試圖像進行測試，且通過卷積神經網絡強大的特征提取能力以及非線性映射，使檢測框架獲得較好的檢測性能。但該方法由于在進行檢測時，只關注了目標本身所蘊含的信息，而忽略了目標周圍場景中的上下文信息，影響最終的目標檢測性能。

發明內容

本發明的目的在于針對上述現有技術存在的不足，提出一種基于上下文信息的SAR圖像目標檢測方法，以提升對大場景SAR圖像目標的檢測性能。