基于CV-ConvLSTM的SAR三维转动目标转速估计方法技术

基于CV

【技术实现步骤摘要】
基于CV
‑
ConvLSTM的SAR三维转动目标转速估计方法


[0001]本专利技术涉及图像处理
，具体为基于CV
‑
ConvLSTM的SAR三维转动目标转速估计方法。

技术介绍

[0002]合成孔径雷达(Synthetic Aperture Radar，SAR)具有全天时全天候对目标进行二维精细成像的能力，这种优势使其广泛地应用于海洋遥感目标探测与识别等领域。舰船在实际海面上航行时，由于存在风力、气压和重力等影响，会随着海浪起伏摆动。受海浪推力的影响，舰船将会产生三维转动：俯仰、侧摆和偏航。三维转动角速度分别为偏航角速度、俯仰角速度和侧摆角速度。三维转动使得舰船目标回波的多普勒频移是时变的，因此回波的多普勒频谱不能够对散射中心的横向分布做出真实的反映，从而影响SAR成像质量。针对目标三维转动引起SAR成像模糊的问题，传统方法多运用时频分析成像处理的方法消除模糊，如Radon
‑
Wigner方法联合时频分布法、基于自适应Chirplet分解的成像算法等。这些估计方法虽然能较准确地估计大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于CV
‑
ConvLSTM的SAR三维转动目标转速估计方法，其特征在于包括以下步骤：步骤一：对长积累SAR回波进行解调和脉冲压缩，然后采用子孔径成像方法生成复数域SAR图像序列，并获取SAR图像序列对应的转动角速度，所述转动角速度包括偏航角速度、俯仰角速度和侧摆角速度；步骤二：将SAR图像序列输入TSF网络模型中，得到转动角速度；步骤三：利用得到的转动角速度与SAR图像序列对应的转动角速度得到损失函数，并根据CV
‑
BPTT算法进行权值更新，进而得到训练好的TSF网络模型；步骤四：利用训练好的TSF网络模型完成目标转速估计；所述TSF网络模型包括输入层、CV
‑
ResNet17子网络、CV
‑
ConvLSTM模块和输出层；所述输入层输入数据为四维复数域SAR图像序列，维度为F
×
H
×
W
×
C，F代表序列长度，H为SAR图像高，W为图像宽，C为图像通道数；所述CV
‑
ResNet17子网络用于深度特征提取，CV
‑
ResNet17包含17个卷积层；所述CV
‑
ConvLSTM模块包括两个CV
‑
ConvLSTM子网络级联；所述输出层包括3个神经元，3个神经元的输出分别代表侧摆角速度ω
r
+jω
r
、俯仰角速度ω
p
+jω
p
和偏航角速度ω
y
+jω
y
，输出层与CV
‑
ResNet17子网络输出特征图全连接，并且输出层无激活函数，在给定输入样本及其对应标签的情况下，通过最小化训练数据的损失函数，以监督的方式学习TSF的参数。2.根据权利要求1所述的基于CV
‑
ConvLSTM的SAR三维转动目标转速估计方法，其特征在于所述CV
‑
ResNet17子网络包括1个复数域三维卷积模块和8个复数域残差单元顺序连接；复数域三维卷积模块依次执行四次卷积运算、两次相加运算、两次批量归一化和两次ReLU激活，假设输入复特征图为X，卷积层权值矩阵为W，复数域三维卷积模块输出Y表示为：其中，与分别代表复数的实部和虚部，j为虚数单位，σ
R
‑
I
(
·
)为复数域激活函数，代表对复数的实部和虚部分别激活，σ(
·
)为实数域激活函数，*代表卷积，与分别为权值矩阵W的实部和虚部，与分别为输入复特征图X的实部和虚部，为激活前的中间变量，若已知E对Y的梯度为则根据链式求导法则，E对X的梯度表示为：其中，σ
′
(
·
)代表σ(
·
)的导数，rot180(
·
)代表矩阵旋转180
°
，代表卷积Hadamard积；复数域残差单元将输入特征图X进行三维卷积、批量归一化和激活后得到Z，Z经过一次三维卷积和批量归一化后得到U，将X的实部和虚部分别经过三维卷积与批量归一化后得到
与与与U的实部相加并激活得到复数域残差单元输出Y的实部与U的虚部相加激活后得到运算过程如下：运算过程如下：运算过程如下：运算过程如下：其中，W1是连接输入特征图X与中间变量Z之间的权值矩阵，W2是连接中间变量Z与中间变量U之间的权值矩阵，W3是连接输入特征图X与中间变量V之间的权值矩阵，U和V为中间变量。3.根据权利要求2所述的基于CV
‑
ConvLSTM的SAR三维转动目标转速估计方法，其特征在于所述CV
‑
ConvLSTM子网络的卷积核尺寸大小为3
×
3。4.根据权利要求3所述的基于CV
‑
ConvLSTM的SAR三维转动目标转速估计方法，其特征在于所述CV
‑
ConvLSTM模块中，第一个CV
‑
ConvLSTM子网络卷积核个数为32，第二个CV
‑
ConvLSTM子网络卷积核个数为16。5.根据权利要求4所述的基于CV
‑
ConvLSTM的SAR三维转动目标转速估计方法，其特征在于所述CV
‑
ConvLSTM子网络包括前向传播和反向传播。6.根据权利要求5所述的基于CV
‑
ConvLSTM的SAR三维转动目标转速估计方法，其特征在于所述前向传播的具体步骤为：步骤1：初始化当前时刻t＝1、遗忘门权值矩阵W
xf
、W
hf
与W
cf
、遗忘门偏置b
f
、输入门权值矩阵W
xi
、W
hi
与W
ci
、输入门偏置b
i
、记忆单元状态权值矩阵W
xc
与W
hc
、记忆单元状态偏置b
c
、输入门权值矩阵W
xo
、W
ho
与W
co
、输入门偏置b
o
；...

【专利技术属性】
技术研发人员：张云，化青龙，冀振元，姜义成，李宏博，徐丹，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：