[發明專利]一種基于變換域信息融合的SAR圖形船只目標檢測方法

有效

• 申請號: 202110359459.0
• 申請日: 2021-04-02
• 公開（公告）號: CN112926534B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 張博程;師皓
• 申請（專利權）人: 北京理工大學重慶創新中心;北京理工大學
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/26;G06V10/764;G06V10/82;G06N3/084
• 代理公司: 重慶智慧之源知識產權代理事務所(普通合伙) 50234
• 代理人: 余洪;高彬

本發明提供一種基于變換域信息融合的SAR圖形船只目標檢測方法，基于SAR圖像得到初步船只檢測結果；將SAR圖像轉換為偽光學圖像，將偽光學圖像輸入圖像分割網絡，得到分割結果；根據分割結果對初步船只檢測結果進行虛警剔除，得到最終船只檢測結果。相較于傳統的SAR圖像船只檢測算法，本方案通過SAR圖像轉換、分割，最終實現對初步檢測結果的虛警剔除，從而提高了船只檢測識別精度；同時SAR圖像到光學圖像的轉換網絡可以輔助SAR圖像的解譯。

技術領域

本發明涉及合成孔徑雷達目標檢測技術領域，尤其涉及一種基于變換域信息融合的SAR圖形船只目標檢測方法。

背景技術

合成孔徑雷達(Synthetic?Aperture?Radar，簡稱SAR)和光學傳感器構成了星載地球觀測的兩種最重要的形式。和光學系統相比，SAR圖像具有全天時全天候高分辨率成像的優勢。利用這些特點，SAR圖像可以避免自然現象的影響，獲得更多的傳輸圖像信息。

雖然SAR圖像廣泛應用于對地觀測，但是SAR圖像本身包含一些缺點。首先，由于每個分辨率單元內的反射面所散射產生的相干回波的干擾，圖像上會被添加叫做散斑噪聲的一種乘性噪聲；其次，在實際應用中難以獲得的全極化SAR圖像，而單極化SAR圖像通常是沒有任何顏色信息的灰度圖像；最后，由于距離向上的距離依賴性和與雷達信號波長相關的特征，SAR圖像包含著幾何畸變。除了成像原理問題之外，對SAR的解譯也有難度。由于信號的多重反射，顯著的特征和實際物體結構關系較小。因此，SAR圖像中結構信息的識別是一個困難的問題。

綜上所述，導致SAR圖像目標檢測精度，并且隨著大量軌道雷達衛星每天獲取的SAR數據量越來越大，高精度的目標檢測算法的需求變得越來越緊迫。

發明內容

本發明提供的一種基于變換域信息融合的SAR圖形船只目標檢測方法，主要解決的技術問題是：如何提高SAR圖像船只目標檢測精度。

為解決上述技術問題，本發明提供一種基于變換域信息融合的SAR圖形船只目標檢測方法，包括：

基于SAR圖像得到初步船只檢測結果；

將所述SAR圖像轉換為偽光學圖像，將所述偽光學圖像輸入圖像分割網絡，得到分割結果；

根據所述分割結果對所述初步船只檢測結果進行虛警剔除，得到最終船只檢測結果。

可選的，所述基于SAR圖像得到初步船只檢測結果包括：

將所述SAR圖像輸入船只目標檢測網絡，得到所述初步船只檢測結果。

可選的，所述船只目標檢測網絡包括EfficientDet網絡。EfficientDet網絡效果較好并且運行速度較快。

可選的，所述圖像分割網絡采用U-net分割網絡。U-net網絡可以使用非常少的圖像進行訓練，分割效果良好。

可選的，所述根據所述分割結果對所述初步船只檢測結果進行虛警剔除包括：

所述分割結果包括將所述偽光學圖像分割為水域和陸地，將所述初步船只檢測結果中位于陸地的船只目標剔除，得到所述最終船只檢測結果。

可選的，所述將所述SAR圖像轉換為偽光學圖像包括：

將所述SAR圖像輸入圖像轉換網絡進行轉換得到所述偽光學圖像，所述圖像轉換網絡為改進的pix2pix網絡，所述改進的pix2pix網絡包括生成器G和生成器F，所述生成器G用于將SAR圖像轉換為偽光學圖像，所述生成器F用于將真實光學圖像轉換為偽SAR圖像，并可基于所述生成器F對所述生成器G進行神經網絡訓練優化。

可選的，所述基于所述生成器F對所述生成器G進行神經網絡訓練優化包括：

獲取作為訓練樣本的SAR圖像與對應的真實光學圖像；