一种基于变换域信息融合的SAR图形船只目标检测方法技术

本发明专利技术提供一种基于变换域信息融合的SAR图形船只目标检测方法，基于SAR图像得到初步船只检测结果；将SAR图像转换为伪光学图像，将伪光学图像输入图像分割网络，得到分割结果；根据分割结果对初步船只检测结果进行虚警剔除，得到最终船只检测结果。相较于传统的SAR图像船只检测算法，本方案通过SAR图像转换、分割，最终实现对初步检测结果的虚警剔除，从而提高了船只检测识别精度；同时SAR图像到光学图像的转换网络可以辅助SAR图像的解译。图像的转换网络可以辅助SAR图像的解译。图像的转换网络可以辅助SAR图像的解译。

【技术实现步骤摘要】
一种基于变换域信息融合的SAR图形船只目标检测方法


[0001]本专利技术涉及合成孔径雷达目标检测
，尤其涉及一种基于变换域信息融合的SAR图形船只目标检测方法。

技术介绍

[0002]合成孔径雷达(Synthetic Aperture Radar，简称SAR)和光学传感器构成了星载地球观测的两种最重要的形式。和光学系统相比，SAR图像具有全天时全天候高分辨率成像的优势。利用这些特点，SAR图像可以避免自然现象的影响，获得更多的传输图像信息。
[0003]虽然SAR图像广泛应用于对地观测，但是SAR图像本身包含一些缺点。首先，由于每个分辨率单元内的反射面所散射产生的相干回波的干扰，图像上会被添加叫做散斑噪声的一种乘性噪声；其次，在实际应用中难以获得的全极化SAR图像，而单极化SAR图像通常是没有任何颜色信息的灰度图像；最后，由于距离向上的距离依赖性和与雷达信号波长相关的特征，SAR图像包含着几何畸变。除了成像原理问题之外，对SAR的解译也有难度。由于信号的多重反射，显著的特征和实际物体结构关系较小。因此，SAR图像中结构信息的识别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于变换域信息融合的SAR图形船只目标检测方法，其特征在于，包括：基于SAR图像得到初步船只检测结果；将所述SAR图像转换为伪光学图像，将所述伪光学图像输入图像分割网络，得到分割结果；根据所述分割结果对所述初步船只检测结果进行虚警剔除，得到最终船只检测结果。2.如权利要求1所述的基于变换域信息融合的SAR图形船只目标检测方法，其特征在于，所述基于SAR图像得到初步船只检测结果包括：将所述SAR图像输入船只目标检测网络，得到所述初步船只检测结果。3.如权利要求2所述的基于变换域信息融合的SAR图形船只目标检测方法，其特征在于，所述船只目标检测网络包括EfficientDet网络。4.如权利要求1所述的基于变换域信息融合的SAR图形船只目标检测方法，其特征在于，所述图像分割网络采用U
‑
net分割网络。5.如权利要求1所述的基于变换域信息融合的SAR图形船只目标检测方法，其特征在于，所述根据所述分割结果对所述初步船只检测结果进行虚警剔除包括：所述分割结果包括将所述伪光学图像分割为水域和陆地，将所述初步船只检测结果中位于陆地的船只目标剔除，得到所述最终船只检测结果。6.如权利要求1
‑
5任一项所述的基于变换域信息融合的SAR图形船只目标检测方法，其特征在于，所述将所述SAR图像转换为伪光学图像包括：将所述SAR图像输入图像转换网络进行转换得到所述伪光学图像，所述图像转换网络为改进的pix2pix网络，所述改进的pix2pix网络包括生成器G和生成器F，所述生成器G用于将SAR图像转换为伪光学图像，所述生成器F用于将真实光学图像转换为伪SAR图像，并可基于所述生成器F对所述生成器G进行神经网络训练优化。7.如权利要求6所述的基于变换域信息融合的SAR图形船只目标检测方法，其特征在于，所述基于所述生成器F对所述生成器G进行神经网络训练优化包括：获取作为训练样本的SAR图像与对应的真实光学图像；利用所述生成器G将所述作为训练样本的SAR图像转换为伪光学图像，利用所述生成器F将所述作为训练样本的真实光学图像转换为伪SAR图像，并利用所述生成器G将所述伪SAR图像转换为循环光学图像；计算所述伪光学图像与所述真实光学图像之间的L1损失和分类损失；计算所述循环伪光学图像与所述真实光学图像之间的L1损失和分类损失；计算所述伪SAR图像与所述SAR图像之间的L1损失和分类损失；基于上述L1损失和分类损失，调整神经网络训练参数，优化所述生成器G。8.如权利要求7所述的基于变换域信息融合的SAR图形船只目标检测方法，其特征在于，所述伪光学图像与所述真实光学图像之间的L1损失和分类损失分别为：L
fake_OPT
(G)＝E
x,y
[‖y
‑
G(x)‖1]；L
cGAN_OPT
(D)＝
‑
E
x,y
[logD(x,y)]
‑
E<...

【专利技术属性】
技术研发人员：张博程，师皓，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：