【技术实现步骤摘要】
一种结合显著性和神经网络的SAR船只识别方法及系统
本专利技术属于海上船只识别处理领域，具体涉及一种结合显著性和神经网络的SAR船只识别方法及系统。
技术介绍
海上船只识别对于海上交通管理、溢油污染治理、海运安全管理、海洋权益维护等方面发挥着十分重要的作用。目前被用于海上船只识别的遥感影像包括光学遥感影像、反射红外遥感影像、高光谱遥感影像、热红外遥感影像和雷达图像，与前三者遥感影像不同的是，雷达图像是发射机向目标物发射无线电波，接收机接收散射回波所形成的图像，具有全天时、全天候的特点。其中，合成孔径雷达(SAR)是最适合船只目标探测的雷达。随着中国的高分三号，日本的ALOS-2，欧洲航天局的Sentinel-1成功发射，大量的SAR图像可以被用于海上船只识别。传统的SAR图像海上船只识别方法主要是基于恒虚警率(CFAR)方法，这些方法通过海杂波的统计分布和人工设计的特征进行船只识别。常用的CFAR方法包括基于高斯分布的双参数CFAR方法、基于韦布尔分布的CFAR方法等。该类方法的缺点是在船只停泊在靠岸的港口、船只行驶...
【技术保护点】
1.一种结合显著性和神经网络的SAR船只识别方法，其特征在于，包括以下步骤：/n步骤1，数据预处理，包括通过Lee滤波方法去除SAR图像的相干斑噪声，同时保持图像的边缘信息，然后对各景SAR影像裁切得到图像块；/n步骤2，构建数据集，包括根据步骤1所得预处理后数据，筛选不同场景下包含船只的SAR图像块，对船只的位置信息以矩形最小包围框进行标注，得到含有标注信息的SAR图像船只数据集；所述不同场景包括海上、靠岸和河道内；/n步骤3，构建融合显著性感知的卷积神经网络，包括首先通过Darknet53网络提取特征，然后基于所得多尺度的特征图计算船只候选框和置信度，再基于全局对比度方...
【技术特征摘要】
1.一种结合显著性和神经网络的SAR船只识别方法，其特征在于，包括以下步骤：
步骤1，数据预处理，包括通过Lee滤波方法去除SAR图像的相干斑噪声，同时保持图像的边缘信息，然后对各景SAR影像裁切得到图像块；
步骤2，构建数据集，包括根据步骤1所得预处理后数据，筛选不同场景下包含船只的SAR图像块，对船只的位置信息以矩形最小包围框进行标注，得到含有标注信息的SAR图像船只数据集；所述不同场景包括海上、靠岸和河道内；
步骤3，构建融合显著性感知的卷积神经网络，包括首先通过Darknet53网络提取特征，然后基于所得多尺度的特征图计算船只候选框和置信度，再基于全局对比度方法得到候选框内的显著性特征图，取显著性区域的外包矩形作为检测结果；
步骤4，训练网络，包括将数据集按照预设比例随机分为训练集、测试集和验证集，对网络进行训练；
步骤5，船只识别，针对待识别的SAR影像，按照步骤1进行预处理后得到图像块，再通过步骤4训练所得网络模型进行预测，基于预测后的图像块重新拼接SAR影像。
2.根据权利要求1所述一种结合显著性和神经网络的SAR船只识别方法，其特征在于：步骤1中，影像裁切是以预设大小的滑动窗口，以25％的重叠度进行滑动得到图像块，以避免船只位置跨越滑动窗口边界的影响。
3.根据权利要求1所述一种结合显著性和神经网络的SAR船只识别方法，其特征在于：步骤3中，通过Darknet53网络输出3个不同尺度的特征图，输出特征图的大小分别为13×13，26×26，52×52。
4.根据权利要求1所述一种结合显著性和神经网络的SAR船只识别方法，其特征在于：步骤3中针对候选框并未完全包围船只目标的情况，对候选框进行相应扩大，包括保持候选框中心坐标不变，矩形框长和宽分别扩大1.2倍作为新的边界框。
5.根据权利要求1或2或3或4所述一种结合显著性和神经网络的SAR船只识别方法，其特征在于：步骤5中，针对各图像块重新拼接的SAR影像重叠部分产生的重复预测框，采用极大值抑制算法去除多余的预测框，仅保留最佳的预测框。
6.一...
【专利技术属性】
技术研发人员：邓练兵，
申请(专利权)人：珠海大横琴科技发展有限公司，
类型：发明
国别省市：广东;44
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。