[發(fā)明專利]雷達(dá)圖像目標(biāo)檢測識別方法、設(shè)備和存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202210189300.3
• 申請日: 2022-03-01
• 公開（公告）號: CN114332633B
• 公開（公告）日: 2022-06-10
• 發(fā)明（設(shè)計(jì)）人: 唐嘉昕;張帆;項(xiàng)德良;程建達(dá)
• 申請（專利權(quán)）人: 北京化工大學(xué)
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/80;G06V10/46;G06T7/11;G06V10/82;G06N3/08
• 代理公司: 北京中和立達(dá)知識產(chǎn)權(quán)代理有限公司 11756
• 代理人: 孟姣

1.一種雷達(dá)圖像目標(biāo)檢測識別方法，其特征在于，包括：

根據(jù)待檢測圖像中每個像素點(diǎn)的像素值，計(jì)算每個像素點(diǎn)的結(jié)構(gòu)張量；

對所述待檢測圖像進(jìn)行超像素分割，得到多個超像素塊；

根據(jù)所述結(jié)構(gòu)張量以及所述多個超像素塊的像素值，得到顯著性特征圖，所述顯著性特征圖中包括所述待檢測圖像中每個待識別目標(biāo)的顯著性信息；

基于所述顯著性特征圖以及所述待檢測圖像的深度特征圖，進(jìn)行圖像目標(biāo)檢測識別，得到每個待識別目標(biāo)的預(yù)測邊界框和預(yù)測類別；

根據(jù)待檢測圖像中每個像素點(diǎn)的像素值，計(jì)算每個像素點(diǎn)的結(jié)構(gòu)張量，包括：

根據(jù)預(yù)設(shè)張量尺度范圍確定多個張量尺度，其中張量尺度表征結(jié)構(gòu)張量的像素點(diǎn)覆蓋范圍；

將每個像素點(diǎn)作為中心像素點(diǎn)，根據(jù)多個張量方向的每個張量方向，選取與所述中心像素點(diǎn)的距離為任一張量尺度的四個周邊像素點(diǎn)；

根據(jù)所述四個周邊像素點(diǎn)的像素值，確定所述中心像素點(diǎn)在每個張量方向上的結(jié)構(gòu)張量；

其中，張量方向用于描述結(jié)構(gòu)張量表征的結(jié)構(gòu)方向，所述多個張量方向包括：水平-垂直方向和對角線方向；

根據(jù)所述結(jié)構(gòu)張量以及所述多個超像素塊的像素值，得到顯著性特征圖，包括：

將每個像素點(diǎn)作為中心像素點(diǎn)，根據(jù)所述中心像素點(diǎn)所在的超像素塊的像素值，構(gòu)建每個結(jié)構(gòu)張量的顯著性權(quán)值；

根據(jù)所述顯著性權(quán)值，對所述中心像素點(diǎn)的每個結(jié)構(gòu)張量的行列式和跡進(jìn)行加權(quán)平均；

根據(jù)加權(quán)平均后的行列式和跡，生成顯著性特征圖；

其中，對于所述中心像素點(diǎn)，所述顯著性權(quán)值用于表征每個結(jié)構(gòu)張量對顯著性信息的影響；

根據(jù)所述中心像素點(diǎn)所在的超像素塊的像素值，構(gòu)建每個結(jié)構(gòu)張量的顯著性權(quán)值，包括：

獲取待識別目標(biāo)的像素先驗(yàn)閾值，其中，像素先驗(yàn)閾值表征待識別目標(biāo)的最低散射強(qiáng)度；

根據(jù)以下公式，構(gòu)建所述中心像素點(diǎn)的任一結(jié)構(gòu)張量的顯著性權(quán)值：

其中，A表示所述結(jié)構(gòu)張量的顯著性權(quán)值，?表示單位階躍函數(shù)，x表示所述中心像素點(diǎn)所在的超像素塊的像素值，T表示像素先驗(yàn)閾值，d表示所述結(jié)構(gòu)張量對應(yīng)的每個周邊像素點(diǎn)到所述中心像素點(diǎn)的歐氏距離，σ_d表示預(yù)設(shè)距離權(quán)重縮放因子，σ_s表示預(yù)設(shè)先驗(yàn)閾值權(quán)重的縮放因子。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，對所述待檢測圖像進(jìn)行超像素分割，得到多個超像素塊，包括：

利用Sobel算子加強(qiáng)所述待檢測圖像的邊緣信息，得到加強(qiáng)后圖像；

使用邊緣信息約束算法對所述加強(qiáng)后圖像進(jìn)行超像素塊初始化和更新，得到所述多個超像素塊。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，基于所述顯著性特征圖，以及所述待檢測圖像的深度特征圖進(jìn)行圖像目標(biāo)檢測識別，得到每個待識別目標(biāo)的預(yù)測邊界框和預(yù)測類別，包括：

將所述待檢測圖像輸入訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò)模型，由所述訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò)模型的多個卷積層輸出多個多尺度深度特征圖，其中，所述多個卷積層構(gòu)成殘差結(jié)構(gòu)，所述多個多尺度深度特征圖之間的圖像尺寸不同；

對所述顯著性特征圖進(jìn)行降采樣，得多個多尺度顯著性特征圖，其中，所述多個多尺度顯著性特征圖之間的圖像尺寸不同，且與所述多個多尺度深度特征圖的圖像尺寸一一對應(yīng)；

將圖像尺寸相同的多尺度深度特征圖和多尺度顯著性特征圖進(jìn)行融合，得到多個多尺度融合特征圖；

對所述多個多尺度融合特征圖進(jìn)行圖像目標(biāo)檢測識別，得到所述待檢測圖像中每個待識別目標(biāo)的預(yù)測邊界框和預(yù)測類別。