雷达图像目标检测识别方法、设备和存储介质技术

本发明专利技术实施例公开了一种雷达图像目标检测识别方法、设备和存储介质。其中方法包括：根据待检测图像中每个像素点的像素值，计算每个像素点的结构张量；对所述待检测图像进行超像素分割，得到多个超像素块；根据所述结构张量以及所述多个超像素块的像素值，得到显著性特征图，所述显著性特征图中包括所述待检测图像中每个待识别目标的显著性信息；基于所述显著性特征图以及所述待检测图像的深度特征图，进行图像目标检测识别，得到每个待识别目标的预测边界框和预测类别。本实施例减小了弱小目标的漏检率。的漏检率。的漏检率。

【技术实现步骤摘要】
雷达图像目标检测识别方法、设备和存储介质


[0001]本专利技术实施例涉及雷达图像目标检测和识别
，尤其涉及一种雷达图像目标检测识别方法、设备和存储介质。

技术介绍

[0002]雷达作为一种微波遥感探测设备，利用物体的散射强度成像，具有不受光照和气候条件等限制实现全天时、全天候对地观测的特点。雷达图像中像素值的大小反映了目标物体的散射强度信息。雷达图像的目标检测与识别主要利用模版匹配、电磁建模和机器学习等算法对目标（如飞机、坦克、舰船等军事目标）进行检测和识别。
[0003]专利CN106250895B、CN106651937B和CN109636784B公开了相关图像处理方法。然而，在真实环境中的雷达图像中，待识别目标的散射强度相对弱且分布密集，而由建筑物、电线塔等人造物引起的杂波散射强度相对高且杂波背景非均匀。同时，在战场环境下，重点目标也会通过隐身材料涂装、主动电磁干扰等方式来进行伪装和隐蔽，减弱自身的散射强度。这些均使得强度弱且尺度小的待识别目标出现大量漏检。

技术实现思路

[0004]本专利技术实施例提供一种雷达图像目标检测识别方法、设备和存储介质，通过融合多种图像信息来提高弱小目标的显著性响应，并通过显著性信息和深度特征信息的互补融合，减少弱小目标的漏检和错误识别。
[0005]第一方面，本专利技术实施例提供了一种雷达图像目标检测识别方法，包括：根据待检测图像中每个像素点的像素值，计算每个像素点的结构张量；对所述待检测图像进行超像素分割，得到多个超像素块；根据所述结构张量以及所述多个超像素块的像素值，得到显著性特征图，所述显著性特征图中包括所述待检测图像中每个待识别目标的显著性信息；基于所述显著性特征图以及所述待检测图像的深度特征图，进行图像目标检测识别，得到每个待识别目标的预测边界框和预测类别。
[0006]第二方面，本专利技术实施例还提供了一种电子设备，所述电子设备包括：一个或多个处理器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现任一实施例所述的雷达图像目标检测识别方法。
[0007]第三方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一实施例所述的雷达图像目标检测识别方法。
[0008]本专利技术实施例采用超像素分割提取并加强雷达图像中的散射度信息和对比度信息，避免了图像中的弱散射目标被强散射干扰淹没；并将这些信息与结构张量中的几何信息和纹理信息融合进行显著性特征表示，提高了弱散射目标在显著性特征图中的响应；最
后利用显著性特征图和深度特征图共同作为图像目标检测识别的约束，进一步提高了弱小目标的识别精度，降低漏检和虚警现象的发生概率。
附图说明
[0009]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0010]图1是本专利技术实施例提供的一种雷达图像目标检测识别方法的流程图；图2是本专利技术实施例提供的多尺度多方向结构张量计算中周边像素点的示意图；图3是本专利技术实施例提供的多尺度显著性特征特征图和多尺度深度特征图融合的示意图；图4是本专利技术实施例提供的目标检测识别系统的示意图；图5是本专利技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0011]为使本专利技术的目的、技术方案和优点更加清楚，下面将对本专利技术的技术方案进行清楚、完整的描述。显然，所描述的实施例仅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，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本专利技术所保护的范围。
[0012]在本专利技术的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0013]在本专利技术的描述中，还需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本专利技术中的具体含义。
[0014]图1是本专利技术实施例提供的一种雷达图像目标检测识别方法的流程图，适用于对雷达图像中的弱小目标进行检测识别的情况，本实施例由电子设备执行。结合图1，本实施例提供的方法具体包括：S10、根据待检测图像中每个像素点的像素值，计算每个像素点的结构张量。
[0015]本实施例中的待检测图像指雷达图像，例如合成孔径雷达（Synthetic Aperture Radar，SAR）图像。每个像素点的像素值可以为灰度值，也可以为其他像素数据。根据这些像素值，可以计算每个像素点的结构张量，用于表征每个待识别目标的几何信息和纹理信息。
[0016]S20、对所述待检测图像进行超像素分割，得到多个超像素块。
[0017]超像素分割是指将待检测图像细分为多个图像子区域，每个图像子区域称为一个
超像素块。每个超像素块内的像素点具有相同或相近的颜色、亮度、纹理等特征，视为对应相同的像素值。不同的像素块对应不同的像素值。超像素块不仅能够减少数据处理量，而且能够图像中物体的边界信息，用于表征每个待识别目标的散射强度信息和对比度信息。
[0018]散射强度信息表征了物体的微波散射强度，在待检测图像中表现为待识别目标的像素值。对比度信息指不同物体之间的差异度，在待检测图像中表现为待识别目标像素值之间的差异，例如两个待识别目标所在的超像素块的灰度差异。
[0019]不同的物体对应的散射强度不同。弱散射目标在图像处理过程中往往容易被背景杂波或人造杂波等强散射干扰淹没，导致漏检。本实施例应用超像素分割方法，可以提取并强化图像中的散射强度信息和对比度信息，用于约束后续的图像处理过程。
[0020]为了便于理解，下面举例说明超像素分割方法提取并强化图像中的散射强度信息和对比度信息的原理。例如，待检测图像中存在距离较近的两个像素点，灰度值差异很小但属于不同的待检测目标。这时，利用通常的目标检测识别方法很容易造成识别错误。而进行超像素块分割后，两个像素点采用各自所在超像素块内的平均灰度值作为最终的灰度值，携带了超像素块内其他像素点的灰度信息，同时超像素块分割后的灰度差异要大于原本的灰度差异，从而提取并增强了两个像素点真实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种雷达图像目标检测识别方法，其特征在于，包括：根据待检测图像中每个像素点的像素值，计算每个像素点的结构张量；对所述待检测图像进行超像素分割，得到多个超像素块；根据所述结构张量以及所述多个超像素块的像素值，得到显著性特征图，所述显著性特征图中包括所述待检测图像中每个待识别目标的显著性信息；基于所述显著性特征图以及所述待检测图像的深度特征图，进行图像目标检测识别，得到每个待识别目标的预测边界框和预测类别。2.根据权利要求1所述的方法，其特征在于，根据待检测图像中每个像素点的像素值，计算每个像素点的结构张量，包括：根据预设张量尺度范围确定多个张量尺度，其中张量尺度表征结构张量的像素点覆盖范围；将每个像素点作为中心像素点，根据多个张量方向的每个张量方向，选取与所述中心像素点的距离为任一张量尺度的四个周边像素点；根据所述四个周边像素点的像素值，确定所述中心像素点在每个张量方向上的结构张量；其中，张量方向用于描述结构张量表征的结构方向，所述多个张量方向包括：水平
‑
垂直方向和对角线方向。3.根据权利要求2所述的方法，其特征在于，根据所述结构张量以及所述多个超像素块的像素值，得到显著性特征图，包括：将每个像素点作为中心像素点，根据所述中心像素点所在的超像素块的像素值，构建每个结构张量的显著性权值；根据所述显著性权值，对所述中心像素点的每个结构张量的行列式和迹进行加权平均；根据加权平均后的行列式和迹，生成显著性特征图；其中，对于所述中心像素点，所述显著性权值用于表征每个结构张量对显著性信息的影响。4.根据权利要求3所述的方法，其特征在于，根据所述中心像素点所在的超像素块的像素值，构建每个结构张量的显著性权值，包括：获取待识别目标的像素先验阈值，其中，像素先验阈值表征待识别目标的最低散射强度；根据以下公式，构建所述中心像素点的任一结构张量的显著性权值：其中，A表示所述结构张量的显著性权值，
ϵ
表示单位阶跃函数，x表示所述中心像素点所在的超像素块的像素值，T表示像素先验阈值，d表示所述结构张量对应的每个周边像素点到所述中心像素点的欧氏距离，σ
d
表示预设距离权重缩放因子，σ
s
表示预设先验阈值权重的缩放因子。5.根据权利要求1所述的方法，其特征在于，对所述待检测图像进行超像素分割，得到
多个超像素块，包括：利用Sobel算子加强所述待检测图像的边缘信息，得到加强后图像；使用边缘信息约束算法对所述加强后图像进行超像素块初始化和更新，得到所述多个超像素块。6.根据权利要求1所述的方法，其特征在于，基于所述显著性特征图，以及所述待检测图像的深度特征图进行图像目标检测识别，得到每个待识别目标的预测边界框和预测类别，包括：将所述...

【专利技术属性】
技术研发人员：唐嘉昕，张帆，项德良，程建达，
申请(专利权)人：北京化工大学，
类型：发明
国别省市：