【技术实现步骤摘要】
一种多维域特征联合SAR船舰智能检测方法
本专利技术属于SAR船舰目标检测
，尤其涉及一种多维域特征联合SAR船舰智能检测方法。
技术介绍
目前，合成孔径雷达由于能够在全天、全天候条件下生成高分辨率的观测场景微波图像，在许多民用和军事领域得到了广泛的应用。近年来，SAR船舶检测因其在海上管理、海上交通管制、海洋环境保护等实际应用中的重要价值也日益受到重视。随着SAR成像技术的快速发展，对船舰目标的观测水平越来越高，从而实现基于精细信息和高层特征的SAR舰船检测已经成为可能。传统SAR船舰目标检测方法大多依赖于人工的参与，需要根据人工经验对目标特征进行挑选；且SAR图像本身存在的运动模糊以及散斑噪声等问题，使得传统的船舰检测方法很难提取到有效特征，导致SAR船舰目标检测性能有限。近年来，随着人工智能和SAR成像技术的发展，越来越多的学者将深度学习技术应用到SAR船舰目标检测领域，其能够自主地学习船舰目标的精细化特征和高层语义信息，有效地减少了人工参与力度和提高船舰目标检测精度。然而，仅仅利用了SAR船舰目...
【技术保护点】
1.一种多维域特征联合SAR船舰智能检测方法，其特征在于，所述多维域特征联合SAR船舰智能检测方法，包括：/n步骤一，针对现有SAR船舰目标存在的多尺度问题以及旋转问题进行分析，通过骨干网络获取到自下而上的分层空间特征，并采用特征金字塔(FPN)得到多尺度特征；/n步骤二，在上述步骤一得到的空间多尺度特征，通过RPN网络获取到SAR图像候选区域的坐标信息与类别信息，并将其坐标信息分别映射到原始图像与多尺度特征图；/n步骤三，针对船舰的旋转行为，联合时频域维域进行处理；根据步骤二得到的原始图像的候选区域，通过对其进行傅里叶-极坐标变换得到SAR船舰目标的旋转不变信息，通过特征...
【技术特征摘要】
1.一种多维域特征联合SAR船舰智能检测方法，其特征在于，所述多维域特征联合SAR船舰智能检测方法，包括：
步骤一，针对现有SAR船舰目标存在的多尺度问题以及旋转问题进行分析，通过骨干网络获取到自下而上的分层空间特征，并采用特征金字塔(FPN)得到多尺度特征；
步骤二，在上述步骤一得到的空间多尺度特征，通过RPN网络获取到SAR图像候选区域的坐标信息与类别信息，并将其坐标信息分别映射到原始图像与多尺度特征图；
步骤三，针对船舰的旋转行为，联合时频域维域进行处理；根据步骤二得到的原始图像的候选区域，通过对其进行傅里叶-极坐标变换得到SAR船舰目标的旋转不变信息，通过特征提取获得SAR船舰目标频域旋转不变特征；
步骤四，针对空间-频域特征融合，设计了一种更精细的特征融合网络，通过交互地更新不同网络的参数，以获得更紧凑的特征表达，可以综合表征各个维域的特征。
2.如权利要求1所述多维域特征联合SAR船舰智能检测方法，其特征在于，所述步骤一中，通过空间通道卷积神经网络ΩS可以很容易地从SAR图像中得到空间特征φS(x,y)，其可表示为
φS(x,y)＝ΩS(I(x,y),θs)；
式中，I(x，y)表示输入的SAR船舰图像，θs表示ΩS中的相关参数集合；通过FPN对高层特征进行上采样并经由横向连接进行增强得到空间多尺度特征φS_MS(x,y)。
3.如权利要求1所述多维域特征联合SAR船舰智能检测方法，其特征在于，所述步骤二中，通过将空间特征共享给RPN得到图像的提议区域，具体过程如下：
第一步，使用3×3的卷积核对共享特征图进行卷积，目的是使提取出来的特征更加鲁棒；
第二步，使用两次1×1的卷积核得到候选区域的类别信息与位置信息；
第三步，将候选区域位置信息分别映射到原始图像与多尺度特征图上分别得到ISub(x,y)和φS_MS_Sub(x,y)。
4.如权利要求3所述多维域特征联合SAR船舰智能检测方法，其特征在于，所述第三步中，对获得的原始图像候选区域ISub(x,y)进行极坐标变换，其变换关系如下：
其中r表示在直角坐标系中该点到原点的距离，θ为x轴与该点与原点连接的直线之间的夹角，以逆时针方向为正。
5.如权利要求4所述多维域特征联合SAR船舰智能检测方法，其特征在于，所述对得到的极...
【专利技术属性】
技术研发人员：李东，梁全欢，李秀琴，万俊，陈展野，程婉儒，唐先慧，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;50
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。