[發明專利]用于船舶識別的層次化的大場景SAR圖像目標快速檢測方法

在審

• 申請號: 202310284317.1
• 申請日: 2023-03-22
• 公開（公告）號: CN116485723A
• 公開（公告）日: 2023-07-25
• 發明（設計）人: 張靜;郁文賢;張錦;郭煒煒;王濤
• 申請（專利權）人: 中國人民解放軍軍事科學院系統工程研究院;上海交通大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/80;G06T7/13
• 代理公司: 北京律譜知識產權代理有限公司 11457
• 代理人: 黃云鐸

1.一種用于船舶識別的層次化的大場景SAR圖像目標快速檢測方法，大場景SAR圖像目標快速檢測分為高效的感興趣區域提取和高精度目標檢測兩個階段，其特征在于：

步驟1、完成感興趣區域的目標提取，即對大場景SAR圖像以固定比例α下采樣，然后再對圖像切片，切片大小根據圖像寬高設置，通過一個分類器判定切片是否包含待檢測目標，并以α比例映射回大場景SAR圖像獲取感興趣區域索引；

步驟2、對感興趣區域索引處的高分辨圖像切片進行目標精細檢測；采用改進的特征金字塔網絡方法提取目標多個尺度的特征并融合，從而檢測尺度大小不一致的目標；

步驟2.1、基于無描點目標檢測框架，對目標物體框中的所有點進行邊界框預測，以中心點到物體框的左邊距、上邊距、右邊距、下邊距之間的距離(l，t，r，b)以及目標方向角θ進行回歸；

步驟2.2、利用特征金字塔網絡FPN進行圖像多尺度特征融合和預測；

步驟2.3、完成目標邊界框中心度回歸，并抑制低質量的檢測框；

步驟2.4、完成檢測器網絡訓練。

2.根據權利要求1所示的一種用于船舶識別的層次化的大場景SAR圖像目標快速檢測方法，其特征在于，步驟2.1中：

直接在特征圖上的每一點進行回歸操作，對目標物體框中的所有點進行邊界框預測，以中心點到物體框的左邊距、上邊距、右邊距和下邊距之間的距離(l，t，r，b)進行回歸，

假設(x₀，y₀)和(x₁，y₁）分別表示目標物體框的左上角和右下角的坐標值，對于目標框中任意一點(，y)則有，

其中，l^*，t^*，r^*和b^*分別表示目標框中任意一點(，y)與目標邊界框左上角(x₀，y₀)和右下角(x₁，y₁)之間的偏移量。

3.根據權利要求1所示的一種用于船舶識別的層次化的大場景SAR圖像目標快速檢測方法，其特征在于，步驟2.2中：

特征金字塔網絡PFN結構主要包括自底向上和自頂向下兩個過程，自底向上過程利用卷積、池化對輸入圖像進行逐級的特征抽象，形成一個分辨率遞減、維度遞增的降采樣特征金字塔{C₂,C₃,C₄,C₅}。自頂向下過程則以自底向上的每一個特征層{C₂,C₃,C₄,C₅}進行上采樣，并與下一級特征層通過橫向連接的方式進行融合，形成與自底向上特征金字塔逐級對應的特征圖{P₂,P₃,P₄,P₅,P₆,P₇}。

4.根據權利要求1所示的一種用于船舶識別的層次化的大場景SAR圖像目標快速檢測方法，其特征在于，步驟2.4中：

網絡訓練采用多任務方式進行訓練，訓練損失函數由L_cls和L_reg兩部分組成，即L_cls為網絡模型分類損失，L_reg表示坐標回歸損失，使用IOU損失，公式定義為，

其中，L(·)表示總的損失函數，p_x，_y位置(,y)處預測的目標類別概率，為對應的目標類別真值，t_x，_y＝(l,t,r,b)為在(,y)處預測的中心點偏移量，為對應的中心點偏移量真值，為指示函數，λ為損失函數權重系數，N_pos為正樣本個數。