【技术实现步骤摘要】
基于CV-RefocusNet的SAR三维转动舰船目标重聚焦方法
本专利技术涉及基于CV-RefocusNet的SAR三维转动舰船目标重聚焦方法,属于SAR图像处理领域。
技术介绍
舰船目标在海上航行,受海情及自身运动影响,存在三维转动。同一舰船目标在静止状态下,成像结果较为清晰,而在三维转动状态下,成像结果存在很严重的模糊现象。这是由于海上舰船目标存在三维转动分量,在高海情下使得SAR(合成孔径雷达)成像结果较为模糊,而且海情越高,模糊越严重。模糊的SAR舰船目标图像为后续的信息提取与识别过程,带来了极大困难。现有的SAR信息提取与识别算法,均是在目标图像较为清晰的前提下,才有较为准确的识别结果;也就是说,对于较为模糊的成像结果,进行信息提取与识别的结果并不可靠。
技术实现思路
针对现有技术中,对模糊的SAR舰船目标图像无法识别获得可靠的结果的问题,本专利技术提供一种基于CV-RefocusNet的SAR三维转动舰船目标重聚焦方法。本专利技术的一种基于CV-RefocusNet的SAR三维转动舰船目标重聚焦方法,包括,基于三维舰船模型与射线追踪法仿真获得SAR舰船目标图像,所述SAR舰船目标图像包括作为样本的SAR三维转动舰船目标图像和作为标签的SAR静止舰船目标图像;将SAR舰船目标图像分组为训练样本库与测试样本库;构建复数域卷积神经网络CV-RefocusNet架构,所述CV-RefocusNet架构包括一个输入层、四个卷积层和四个反卷积层,其中第四个反卷积层 ...
【技术保护点】
1.一种基于CV-RefocusNet的SAR三维转动舰船目标重聚焦方法,其特征在于包括,/n基于三维舰船模型与射线追踪法仿真获得SAR舰船目标图像,所述SAR舰船目标图像包括作为样本的SAR三维转动舰船目标图像和作为标签的SAR静止舰船目标图像;将SAR舰船目标图像分组为训练样本库与测试样本库;/n构建复数域卷积神经网络CV-RefocusNet架构,所述CV-RefocusNet架构包括一个输入层、四个卷积层和四个反卷积层,其中第四个反卷积层作为输出层;CV-RefocusNet架构的输入、输出、激活函数及权值均属于复数域;/n采用训练样本库中的训练样本对CV-RefocusNet架构进行训练,训练超参数,得到具有重聚集功能的CV-RefocusNet网络模型;再采用测试样本库中的测试样本对CV-RefocusNet网络模型进行测试,得到将SAR三维转动舰船目标图像重聚集后的清晰SAR舰船目标图像。/n
【技术特征摘要】
1.一种基于CV-RefocusNet的SAR三维转动舰船目标重聚焦方法,其特征在于包括,
基于三维舰船模型与射线追踪法仿真获得SAR舰船目标图像,所述SAR舰船目标图像包括作为样本的SAR三维转动舰船目标图像和作为标签的SAR静止舰船目标图像;将SAR舰船目标图像分组为训练样本库与测试样本库;
构建复数域卷积神经网络CV-RefocusNet架构,所述CV-RefocusNet架构包括一个输入层、四个卷积层和四个反卷积层,其中第四个反卷积层作为输出层;CV-RefocusNet架构的输入、输出、激活函数及权值均属于复数域;
采用训练样本库中的训练样本对CV-RefocusNet架构进行训练,训练超参数,得到具有重聚集功能的CV-RefocusNet网络模型;再采用测试样本库中的测试样本对CV-RefocusNet网络模型进行测试,得到将SAR三维转动舰船目标图像重聚集后的清晰SAR舰船目标图像。
2.根据权利要求1所述的基于CV-RefocusNet的SAR三维转动舰船目标重聚焦方法,其特征在于,所述SAR舰船目标图像的距离向分辨率为2.2484米,方位向分辨率为6.4456米,图像大小为128×128像素。
3.根据权利要求1或2所述的基于CV-RefocusNet的SAR三维转动舰船目标重聚焦方法,其特征在于,
所述超参数包括:每批次训练样本数为32,共训练30000批次,学习率为0.001,优化方法为Adam。
4.根据权利要求1或2所述的基于CV-RefocusNet的SAR三维转动舰船目标重聚焦方法,其特征在于,
所述四个卷积层和四个反卷积层的卷积核大小均为4×4像素,步长为2像素;第一个卷积层共64个卷积核;第二个卷积层共128个卷积核;第三个卷积层共256个卷积核;第四个卷积层共512个卷积核;第一个反卷积层共256个卷积核;第二个反卷积层共128个卷积核;第三个反卷积层共64个卷积核;第四个反卷积层共1个卷积核。
5.根据权利要求4所述的基于CV-RefocusNet的SAR三维转动舰船目标重聚焦方法,其特征在于,...
【专利技术属性】
技术研发人员:张云,化青龙,姜义成,徐丹,
申请(专利权)人:哈尔滨工业大学,
类型:发明
国别省市:黑龙江;23
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。