一种基于SAR的船只识别方法、装置制造方法及图纸

本发明专利技术涉及计算机视觉技术领域，具体涉及一种基于SAR的船只识别方法、装置。包括：获取SAR图像数据，对所述SAR图像数据进行预处理，输出待识别数据；根据把所述待检测数据输入CNN网络进行训练，获得识别模型；利用所述识别模型对待识别数据进行识别，以获得识别结果；基于所述识别结果进行显著性检测，获取精确的目标位置；其中，所述目标位置为目标船只的位置数据。通过对图像数据进行预处理，保证后级输入CNN网络中能够进行图像数据识别训练，便于输出识别数据，引入显著性检测以确保能够对目标位置进行位置数据的识别。

【技术实现步骤摘要】
一种基于SAR的船只识别方法、装置
本专利技术涉及计算机视觉
，具体涉及一种基于SAR的船只识别方法、装置。
技术介绍
合成孔径雷达(SyntheticApertureRadar,SAR)具有全天候、全天时、不受天气影响等成像特点，目前已经成为人们对地观测的重要手段之一。因此，利用SAR数据进行目标检测也是图像解译的重要研究方向之一。通过机载和星载SAR，我们能够获得大量的高分辨率SAR图像，而利用SAR图像对海上船只进行目标检测将会有利于提高海防管理、监控及预警能力。但对于现有技术来说，由于SAR特殊的成像机制和SAR图像的敏感性(例如：在获取的原始数据中含有大量斑点噪声)，这使得把SAR图像与现有网络模型结合很难获得精确的目标船只位置。
技术实现思路
有鉴于此，本专利技术实施例提供了一种基于SAR的船只识别方法、装置，以解决的SAR图像与现有网络模型结合很难获得精确的目标船只位置。根据第一方面，本专利技术实施例提供了一种基于SAR的船只识别方法，包括：获取SAR图像数据，对所述SAR图像数据进行预处理，输出待识别数据；根据把所述待识别数据输入CNN网络进行训练，获得识别模型；利用所述识别模型对待识别数据进行识别，以获得识别结果；基于所述识别结果进行显著性检测，获取精确的目标位置；其中，所述目标位置为目标船只的位置数据。通过对图像数据进行预处理，保证后级输入CNN网络中能够进行图像数据识别训练，便于输出识别数据，引入显著性检测以确保能够对目标位置进行位置数据的识别。结合第一方面，在第一方面第一实施方式中，对所述SAR图像数据进行预处理，包括对所述SAR图像数据进行图片灰度化和边缘检测。对SAR图像进行灰度化和边缘检测能够保证从复杂背景中快速检测出识别目标。结合第一方面，在第一方面第二实施方式中，对所述SAR图像数据进行预处理，还包括把所述SAR图像数据划分为训练数据和测试数据；其中，所述输入CNN网络的待检测数据为训练数据，所述利用所述识别模型进行识别的数据为测试数据。结合第一方面，在第一方面第三实施方式中，CNN网络包括：多层卷积层、全局平均池化层和2个全连接层。结合第一方面，在第一方面第四实施方式中，CNN网络的学习率设置为0.005。结合第一方面，在第一方面第五实施方式中，把所述待检测数据输入CNN网络进行训练，包括：设置CNN网络的迭代次数和最大迭代次数，其中初始迭代从0开始；从所述训练数据中选取N个训练数据输入到CNN网络，并输出N个训练数据的训练结果；其中所述训练结果为训练数据的目标船只的位置数据。结合第一方面，在第一方面第六实施方式中，对待识别数据进行识别，包括：根据把所述待识别数据的N个测试数据输入到识别模型中，以获得所述测试数据的识别结果。通过继续迭代训练，构建识别模型，从而能够实现对输入图像的自主目标识别，联合构建好的识别模型与测试数据，确保能够识别出准确的测试结果。结合第一方面，在第一方面第七实施方式中，显著性测试包括：获取所述测试数据的识别结果；根据所述识别结果进行特征提取，其中，所述特征包括颜色、亮度和方位；基于在所述提取的特征和多种尺度下使用中央周边操作产生体现显著性度量的特征图，并将所述特征图合得到最终的显著图；利用生物学中赢者取全的竞争机制以获得所述识别结果精确的目标位置。利用显著性测试突出检测结果，保证目标识别结果能够进行精确识别。根据第二方面，本专利技术实施例提供了一种基于SAR的船只识别装置。包括：获取模块，用于获取SAR图像数据，对所述SAR图像数据进行预处理，输出待识别数据；训练模块，用于根据把所述待识别数据输入CNN网络进行训练，获得识别模型；识别模块，用于利用所述识别模型对待识别数据进行识别，以获得识别结果；确定模块，用于基于所述识别结果进行显著性检测，获取精确的目标位置；其中，所述目标位置为目标船只的位置数据。通过各个模块之间相互连接，从而保证能够精准识别出准确的目标船只。根据第三方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行第一方面或者第一方面的任意一种实施方式中所述的基于SAR的船只识别方法。附图说明通过参考附图会更加清楚的理解本专利技术的特征和优点，附图是示意性的而不应理解为对本专利技术进行任何限制，在附图中：图1是根据本专利技术实施例的一种基于SAR的船只识别方法的流程图；图2是根据本专利技术实施例的一种基于SAR的船只识别方法的流程图A；图3是根据本专利技术实施例的一种基于SAR的船只识别方法的显著性测试的流程图；图4是根据本专利技术实施例的一种基于SAR的船只识别装置的结构框图；附图标记10-获取模块；20-训练模块；30-识别模块；40-确定模块。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术实施例提供了一种基于SAR的船只识别方法，如图1所示，包括：S10,获取SAR图像数据，对所述SAR图像数据进行预处理，输出待识别数据；其中，SAR图像数据可以通过BrazilianCoffeeScenes、UCMercedLandUseDataset、MSTARpublictargetsdataset、NWPU-RESISC45dataset及TerraSAR-X等图像数据集获得。并且需要对所获取的SAR图像数据进行预处理，其中预处理可以是通过A/D变换，二值化后消除斑点噪声，在经过图像变换、增强、滤波的处理方式以获得待检测图像。S20,根据把所述待识别数据输入CNN网络进行训练，获得识别模型；其中，把经过预处理的SAR图像数据送入CNN网络进行特征提取，CNN网络将预处理的SAR图像数据进行区域缩放为统一比例或大小，后进行船只特征提取，特征提取完成后在使用SVM进行分类，最后通过非极大值抑制输出结果。在对其训练过程进行迭代，生成识别模型。S30,利用所述识别模型对待识别数据进行识别，以获得识别结果；S40,基于所述识别结果进行显著性检测，获取精确的目标位置；其中，所述目标位置为目标船只的位置数据。把所获取的识别结果最后在进行显著性检测，突出目标数据，从而能够确定目标位置，实现目标船只的识别。通过对图像数据进行预处理，保证后级输入CNN网络中能够进行图像数据识别训练，便于输出识别数据，引入显著性检测以确保能够对目标位置进行位置数据的识别。本专利技术实施例提供了一种基于SAR的船只识本文档来自技高网...

【技术保护点】
1.一种基于SAR的船只识别方法，其特征在于，包括：/n获取SAR图像数据，对所述SAR图像数据进行预处理，输出待识别数据；/n根据把所述待识别数据输入CNN网络进行训练，获得识别模型；/n利用所述识别模型对待识别数据进行识别，以获得识别结果；/n基于所述识别结果进行显著性检测，获取精确的目标位置；其中，所述目标位置为目标船只的位置数据。/n

【技术特征摘要】
1.一种基于SAR的船只识别方法，其特征在于，包括：
获取SAR图像数据，对所述SAR图像数据进行预处理，输出待识别数据；
根据把所述待识别数据输入CNN网络进行训练，获得识别模型；
利用所述识别模型对待识别数据进行识别，以获得识别结果；
基于所述识别结果进行显著性检测，获取精确的目标位置；其中，所述目标位置为目标船只的位置数据。


2.根据权利要求1所述的方法，其特征在于，所述对所述SAR图像数据进行预处理，包括对所述SAR图像数据进行图片灰度化和边缘检测。


3.根据权利要求2所述的方法，其特征在于，所述对所述SAR图像数据进行预处理，还包括把所述SAR图像数据划分为训练数据和测试数据；其中，所述输入CNN网络的待检测数据为训练数据，所述利用所述识别模型进行识别的数据为测试数据。


4.根据权利要求3所述的方法，其特征在于，所述CNN网络包括：多层卷积层、全局平均池化层和2个全连接层。


5.根据权利要求4所述的方法，其特征在于，所述CNN网络的学习率设置为0.005。


6.根据权利要求5所述的方法，其特征在于，把所述待检测数据输入CNN网络进行训练，包括：
设置CNN网络的迭代次数和最大迭代次数，其中初始迭代从0开始；
从所述训练数据中选取N个训练数据输入到CNN网络，并输出N个训练数据的训...

【专利技术属性】
技术研发人员：邓练兵，陈金鹿，逯明，
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