[發(fā)明專利]一種SAR圖像中艦船目標(biāo)航向估計的方法

在審

• 申請?zhí)枺?/td>: 202110670832.4
• 申請日: 2021-06-15
• 公開（公告）號: CN113516056A
• 公開（公告）日: 2021-10-19
• 發(fā)明（設(shè)計）人: 張曉玲;胥小我;王楠;張?zhí)煳?/a>;師君;韋順軍
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G01S13/90
• 代理公司: 電子科技大學(xué)專利中心 51203
• 代理人: 曾磊

1.一種提供SAR圖像中艦船目標(biāo)航向估計的方法，其特征是它包括以下幾個步驟：

步驟1、準(zhǔn)備數(shù)據(jù)集

對于公知的FUSAR-Ship數(shù)據(jù)集，采用隨機的方法調(diào)整FUSAR-Ship數(shù)據(jù)集中的SAR圖像次序，取前20張SAR圖像作為初始圖像，記為N_i,i＝1,2,...,20；取前21-40張SAR圖像作為初始標(biāo)簽圖像，記為T_i,i＝1,2,...,20。

步驟2、基于旋轉(zhuǎn)最大值投影的角度估計

遍歷步驟1中得到的初始標(biāo)簽圖像T_i,i＝1,2,...,20，具體步驟是：

對于第一張初始標(biāo)簽圖像T₁，采用間隔為1°逆時針旋轉(zhuǎn)的方法旋轉(zhuǎn)360次，依次得到了360張圖片，記為P_1j,j＝1,2,...,360。

采用傳統(tǒng)坐標(biāo)軸投影的方法處理圖片P_1j,j＝1,2,...,360，得到圖片P_1j,j＝1,2,...,360中的艦船在x軸的投影值，記為x_1,j,j＝1,2,...,360。

采用公式max(x_1，1,...,x_1,j,...,x_1，360),j＝1,2,...,360，計算得到最大x軸的投影值，記為W_1max，其中max(·)表示求最大值運算符號。

采用傳統(tǒng)基于匹配的方法處理最大x軸的投影值W_1max，得到對應(yīng)的圖片和初步的角度估計結(jié)果，分別記為P_1max和X°₁。

……

對于第i張初始標(biāo)簽圖像T_i，采用間隔為1°逆時針旋轉(zhuǎn)的方法旋轉(zhuǎn)360次，依次得到了360張圖片，分別記為P_ij,j＝1,2,...,360。

采用傳統(tǒng)坐標(biāo)軸投影的方法處理圖片P_ij,j＝1,2,...,360，得到圖片P_ij,j＝1,2,...,360中的艦船在x軸的投影值，記為x_i,j,j＝1,2,...,360。

采用公式max(x_i，1,...,x_i,j,...,x_i，360),j＝1,2,...,360，計算得到最大x軸的投影值，記為W_imax，其中max(·)表示求最大值運算符號。

采用傳統(tǒng)基于匹配的方法處理最大x軸的投影值W_imax，得到對應(yīng)的圖片和初步的角度估計結(jié)果，分別記為P_imax和X°_i。

……

對于第20張初始標(biāo)簽圖像T₂₀，采用間隔為1°逆時針旋轉(zhuǎn)的方法旋轉(zhuǎn)360次，依次得到了360張圖片，分別記為P_20j,j＝1,2,...,360。

采用傳統(tǒng)坐標(biāo)軸投影的方法處理圖片P_20j,j＝1,2,...,360，得到圖片P_20j,j＝1,2,...,360中的艦船在x軸的投影值，記為x_20,j,j＝1,2,...,360。

采用公式max(x_20，1,...,x_20,j,...,x_20，360),j＝1,2,...,360，計算得到最大x軸的投影值，記為W_20max，其中max(·)表示求最大值運算符號。

采用傳統(tǒng)基于匹配的方法處理最大x軸的投影值W_20max，得到對應(yīng)的圖片和初步的角度估計結(jié)果，分別記為P_20max和X°₂₀。

由此得到遍歷后的所有最大x軸的投影值對應(yīng)的圖片和初步的角度估計結(jié)果，分別記為P_imax,i＝1,2,...,20和X°_i,i＝1,2,...,20；

步驟3、基于水平投影的艦船區(qū)域篩選

遍歷步驟2中得到的最大x軸的投影值對應(yīng)的圖片P_imax,i＝1,2,...,20，具體步驟是：

以步驟2中得到的P_1max作為輸入，采用傳統(tǒng)水平投影的方法對圖片進行處理，得到矩形艦船區(qū)域篩選，記為Q₁；

……

以步驟2中得到的P_imax作為輸入，采用傳統(tǒng)水平投影的方法對圖片進行處理，得到水平艦船區(qū)域篩選，記為Q_i；

……

以步驟2中得到的P_20max作為輸入，采用傳統(tǒng)水平投影的方法對圖片進行處理，得到水平艦船區(qū)域篩選，記為Q₂₀；

由此得到遍歷后的所有水平艦船區(qū)域篩選，記為Q_i,i＝1,2,...,20；

步驟4、船頭和船尾提取

遍歷步驟3得到的水平艦船區(qū)域篩選Q_i,i＝1,2,...,20，具體步驟是：

以步驟3中的Q₁作為輸入，采用四等分的方式對艦船的長度進行等比例劃分，得到圖片中艦船的左端和右端切片，圖片中艦船的左端切片記為L₁，圖片中艦船的右端切片記為R₁。

……

以步驟3中的Q_i作為輸入，采用四等分的方式對艦船的長度進行等比例劃分，得到圖片中艦船的左端和右端切片，圖片中艦船的左端切片記為L_i，圖片中艦船的右端切片記為R_i。

……

以步驟3中的Q₂₀作為輸入，采用四等分的方式對艦船的長度進行等比例劃分，得到圖片中艦船的左端和右端切片，圖片中艦船的左端切片記為L₂₀，圖片中艦船的右端切片記為R₂₀。

由此得到遍歷后的所有圖片中艦船的左端切片和圖片中艦船的右端切片，分別記為L_i,i＝1,2,...,20和R_i,i＝1,2,...,20；

步驟5、船頭和船尾切片收集

對于步驟4中得到的20張圖片初始標(biāo)簽圖像中艦船的左端切片L_i,i＝1,2,...,20和圖片中艦船的右端切片R_i,i＝1,2,...,20，采用人工標(biāo)記的方法實現(xiàn)圖像中艦船的船頭和艦船的船尾標(biāo)記，得到圖片中艦船的船頭和船尾切片，分別記為L^*_i,i＝1,2,...,20和R^*_i,i＝1,2,...,20。

步驟6、基于KNN的船頭和船尾識別

步驟6.1、采用傳統(tǒng)特征維度歸一化方法處理步驟5中得到的圖片中艦船的船頭切片L^*_i,i＝1,2,...,20和船尾切片R^*_i,i＝1,2,...,20，得到歸一化后的圖片中艦船的船頭切片和艦船的船尾切片

步驟6.2、將步驟6.1中得到的歸一化圖片中艦船的船頭和船尾切片和輸入到基于KNN算法的二分類識別模型中，根據(jù)傳統(tǒng)模型訓(xùn)練方法對該模型進行訓(xùn)練，得到訓(xùn)練完成后的基于KNN算法的二分類識別模型，記為KNN_Train；

步驟6.3、將步驟1中得到的初始圖像N_i,i＝1,2,...,20輸入到步驟6.2中得到的訓(xùn)練完成后的基于KNN算法的二分類識別模型KNN_Train中，得到包含艦船的船頭識別類別和船尾識別類別的標(biāo)簽圖像，記為N_i^*,i＝1,2,...,20。

步驟7、基于船頭和船尾的角度180°模糊去除

根據(jù)步驟6.3中得到的標(biāo)簽圖像N_i^*,i＝1,2,...,20，采用傳統(tǒng)角度180°模糊去除的方法，對步驟2得到的初步的角度估計結(jié)果X°_i,i＝1,2,...,20進行處理，得到最終的航向，記為

步驟8、對于船頭船尾識別及航向估計進行誤差評估

步驟8.1：識別精度評估

對于步驟6.3中得到的包含艦船的船頭識別類別和船尾識別類別的標(biāo)簽圖像采用傳統(tǒng)的識別精度評估方法，求出船頭識別精度、船尾識別精度和綜合平均精度，記為Precision_head，Precision_tail和Precision_average。

步驟8.2：角度估計精度誤差評估

對于步驟7中得到的最終的航向采用傳統(tǒng)角度估計精度誤差評估方法，求得角度估計精度誤差和整體估計誤差，記為Error_angle和Error_overall。

至此，整個方法結(jié)束。