The invention provides a polarimetric SAR image ship detection method based on the rotation domain feature and depth CNN. The technical plan is divided into two stages: training and testing. For each pixel in each training sample, the optimal parameters of two oscillation centers and three principal diagonal elements of polarization coherence matrix in rotation domain are used as detection features, and the corresponding five detection feature maps of the whole training sample image are constructed. For the detection stage, the polarization SAR image to be detected is corresponded. The normalized detection feature map is input into the trained depth CNN detector, and the corresponding parts of the non-land area are traversed through variable-size sliding window to get the ship detection results of the polarization SAR image to be detected. The invention has good detection performance and convenient implementation.
【技术实现步骤摘要】
基于旋转域特征与CNN的极化SAR图像舰船检测方法
本专利技术属于极化SAR(SyntheticApertureRadar,合成孔径雷达)成像遥感
,涉及一种基于旋转域特征与深度CNN(ConvolutionalNeuralNetwork,卷积神经网络)的极化SAR图像舰船检测方法。
技术介绍
极化SAR具有全天时全天候工作能力,能够获取全极化信息。目前,极化SAR图像常用于舰船目标检测。因为人造舰船与自然海洋表面具有不同极化散射机理,基于极化散射机理差异即有可能在极化SAR图像中将舰船目标从海面背景中分离出来。极化SAR图像舰船检测的一般流程为:首先针对极化SAR图像的各个像素,通过特定方式下多极化通道的信息融合,提取检测特征;再针对全图构造检测特征图,并基于归一化检测特征图中舰船目标与背景之间的差异,选择合适的检测器完成后续处理。一种经典的极化SAR图像舰船检测方法即利用到CFAR(ConstantFalseAlarmRate,恒虚警率)检测器。然而,由于CFAR检测器的性能依赖于背景杂波的分布模型,在对背景杂波的统计建模能力不足时,使用CFAR检测器所得检测效果往往会受到很大的限制。近来,在深度学习领域中具有代表性的深度CNN,凭借其对深层次特征的自动提取能力已经在计算机视觉以及图像处理等方面取得了很多成功应用,如文献A.Krizhevsky,I.SutskeverandG.E.Hinton,“Imagenetclassificationwithdeepconvolutionalneuralnetworks,”AdvancesinNeuralI ...
【技术保护点】
1.一种基于旋转域特征与深度CNN的极化SAR图像舰船检测方法,包括训练阶段和检测阶段,CNN是指卷积神经网络,SAR是指合成孔径雷达,其特征在于,两个阶段均利用下述方法提取得到极化SAR图像的5个检测特征图:基于相干斑滤波处理后的极化SAR图像,设其大小为I×J像素,位置坐标为(i,j)的像素对应的极化相干矩阵为
【技术特征摘要】
1.一种基于旋转域特征与深度CNN的极化SAR图像舰船检测方法,包括训练阶段和检测阶段,CNN是指卷积神经网络,SAR是指合成孔径雷达,其特征在于,两个阶段均利用下述方法提取得到极化SAR图像的5个检测特征图:基于相干斑滤波处理后的极化SAR图像,设其大小为I×J像素,位置坐标为(i,j)的像素对应的极化相干矩阵为i=1,2,…,I,j=1,2,…,J;对于位置坐标为(i,j)的像素,使用下式计算振荡中心参数B(ij)_T22和B(ij)_|T23|2,并作为检测特征:其中,Re[·]和Im[·]分别表示取复数的实部和虚部;另外,选取极化相干矩阵T(ij)中的3个主对角元素和作为检测特征;则对于极化SAR图像,上述5个检测特征各自对应的检测特征图在归一化后分别记为B_T22、B_|T23|2、T11、T22和T33;以上述5个检测特征图作为特征提取的结果进行训练和检测。2.根据权利要...
【专利技术属性】
技术研发人员:陈思伟,代大海,陶臣嵩,李永祯,王雪松,肖顺平,
申请(专利权)人:中国人民解放军国防科技大学,
类型:发明
国别省市:湖南,43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。