[發明專利]一種SAR圖像目標檢測方法

在審

• 申請號: 202110254173.6
• 申請日: 2021-03-09
• 公開（公告）號: CN113158778A
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 陳彥橋;柴興華;陳韜亦;彭會湘;賈耀紅;任立清
• 申請（專利權）人: 中國電子科技集團公司第五十四研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/44;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 河北東尚律師事務所 13124
• 代理人: 王文慶

本發明公開了一種SAR圖像目標檢測方法，屬于圖像處理技術領域。其包括：構建SAR圖像目標檢測數據集，并將其劃分為訓練集和測試集；訓練SAR圖像數據增強網絡；基于訓練好的SAR圖像數據增強網絡進行SAR圖像增強，其中，只對SAR_OD數據集中的訓練集進行圖像增強；構建SAR圖像目標檢測網絡；訓練SAR圖像目標檢測網絡；獲取SAR圖像目標檢測結果。本發明使用基于卷積神經網絡的數據增強方式，數據增強方法簡單、高效，可以使數據集數量直接擴充一倍，而且目標豐富度顯著提高，極大地提升了SAR圖像目標檢測結果。

技術領域

本發明屬于圖像處理技術領域，特別是指一種SAR圖像目標檢測方法。

背景技術

常見的卷積神經網絡擁有數以百萬計體量的參數，訓練這些參數使得模型有更好的評價效果，是需要數量龐大的訓練數據來支撐的。而在實際情況中，遙感圖像的數據量有限，獲取新的圖像數據并人工標注又需要大量的成本。所以通常情況下，利用數據增強技術，即利用已經存在的數據通過各種方法創造出更多的數據成為首要選擇。

常規的數據增強方法有：

(1)平移：將圖像中的所有像素點沿著水平方向或者垂直方向移動，也可以兩個方向都移動。需要注意的是平移后圖像會空出一部分區域，應該按照數據的實際情況選擇填充方式；

(2)裁剪：隨機選中圖像中的某一部分進行裁剪，通常將這一部分放大至原圖大小；

(3)旋轉：將圖像進行順時針或逆時針旋轉，當旋轉任意角度(非180度)時需要將空出的位置進行填充；

(4)翻轉：將圖像進行水平翻轉或者垂直翻轉；

(5)縮放：將圖像放大或縮小一定比例，圖像放大后通常需要裁減至原尺寸，縮小后選擇適當方式進行填充；

(6)添加噪聲：在圖片中隨機加入噪聲，常見的有高斯噪聲等；

(7)顏色變換：在圖片上增加或者減少某些顏色的分量等。

除了上述常規方法外，一些學者也致力于通過合成圖像的方式進行數據增強，例如SMOTE，SamplePairing，mixup等。其中SamplePairing是隨機將訓練集中的兩張圖片經過常規的數據增強(翻轉、裁剪、旋轉等)后像素以取平均值的形式合成一個新的樣本，標簽為原始圖片的標簽之一，該方法對于醫學圖像的分類任務較為常用。mixup方法為將訓練圖片與隨機選定的圖片按照一定的比例融合，生成新的圖片。此外，也有研究人員通過生成對抗網絡(Generative Adversarial Networks，GAN)來生成新樣本以擴充數據集。在圖像分類研究中，數據增強使用很常見，在目標檢測領域，由于有目標位置的限制，通常采用常規的數據增強方式，也有學者通過將真實的分割對象粘貼到圖像中進行數據增強。進行數據增強時需要注意增強后的圖片應與原圖片類似，否則會影響訓練效果。

發明內容

本發明在現有技術的基礎上，提出了一種SAR圖像目標檢測方法，能夠得到更好的目標檢測結果。

為實現上述目的，本發明采用的技術方案為：

一種SAR圖像目標檢測方法，其特征在于，包括如下步驟：

步驟1，構建SAR圖像目標檢測數據集SAR_OD，并將其劃分為訓練集和測試集；

步驟2，訓練SAR圖像數據增強網絡；

步驟3，基于訓練好的SAR圖像數據增強網絡對SAR_OD中的訓練集進行增強，增強后的SAR圖像目標檢測數據集為SAR_OD+；

步驟4，構建SAR圖像目標檢測網絡；

步驟5，使用SAR_OD+訓練SAR圖像目標檢測網絡；