一种基于对比学习的航海雷达目标检测方法和系统技术方案

本发明专利技术属于计算机视觉领域，具体涉及一种基于对比学习的航海雷达目标检测方法和系统，建立了能够全天候自动实时检测航海雷达目标的智能模型。该方法主要包含三个阶段：数据采集阶段，雷达目标特征提取阶段以及数据后处理阶段；数据采集阶段通过雷达图像采集设备获取雷达图像，然后通过图像剪切方法、时序图像生成方法等对原始图像进行预处理；雷达目标特征提取阶段采用聚类方法产生伪标签，以交替预测方式和最小化不同数据分布距离的方法提升特征判别性，再通过适量标注数据对预训练模型进行微调；数据后处理阶段采用非极大值抑制方法删除不同切片中的冗余检测结果，优化最终的目标检测结果。本发明专利技术能够实现复杂多变环境下航海目标的稳定检测。

【技术实现步骤摘要】

本专利技术属于计算机视觉领域，具体涉及一种基于对比学习方式，面向航海雷达实现海上目标检测的方法和系统。

技术介绍

1、航海雷达广泛应用于民用和军用监控系统中，用于导航、避障和安防等任务，目标检测是其关键应用技术。传统的雷达目标检测方法主要基于恒虚警技术，根据不同的杂波背景和雷达分辨率，设计不同的检测器，如针对非高斯分布、时变杂波背景的非参量恒虚警处理量化秩检测器。这类传统方法存在一些缺陷，主要包括传统方法需要根据经验定义大量手工参数，费时费力；采用固定尺寸检测窗难以满足多尺度船只目标检测需求等。

2、随着深度学习技术的飞速发展，深度学习网络体现了其提取目标高维特征的强大能力，得到广泛应用。在航海雷达面临复杂多变的海杂波干扰环境下，将深度学习模型应用于航海雷达目标检测算法对于算法召回率和精确度提升具有巨大潜力，深度模型可以自动提取有效目标与杂波的特征区别，减少人工参数调整的参与。

3、为了使得深度学习模型具有良好的泛化性与鲁棒性，需要大量训练数据集。目前航海雷达回波图像数据较为缺乏，尤其是带有目标标签信息的数据难以获得。针对模型样本数本文档来自技高网...

【技术保护点】

1.一种基于对比学习的航海雷达目标检测方法，其特征在于，包括数据采集阶段、雷达目标特征提取阶段和数据后处理阶段，其中：

2.根据权利要求书1所述的方法，其特征在于：所述获取雷达图像，其采用的雷达图像采集设备为雷达信号采集卡。

3.根据权利要求书2所述的方法，其特征在于：所述雷达图像采集设备获取雷达原始回波，经过采样、同频干扰抑制处理得到大尺寸的雷达回波图像。

4.根据权利要求书1所述的方法，其特征在于，所述预处理包括：对于原始大尺寸雷达扫描图像进行切片，将连续三帧雷达回波图像合成RGB三通道的时序图像，将大尺寸的雷达回波原始图像剪裁为适用于模型训练的小...

【技术特征摘要】

1.一种基于对比学习的航海雷达目标检测方法，其特征在于，包括数据采集阶段、雷达目标特征提取阶段和数据后处理阶段，其中：

2.根据权利要求书1所述的方法，其特征在于：所述获取雷达图像，其采用的雷达图像采集设备为雷达信号采集卡。

3.根据权利要求书2所述的方法，其特征在于：所述雷达图像采集设备获取雷达原始回波，经过采样、同频干扰抑制处理得到大尺寸的雷达回波图像。

4.根据权利要求书1所述的方法，其特征在于，所述预处理包括：对于原始大尺寸雷达扫描图像进行切片，将连续三帧雷达回波图像合成rgb三通道的时序图像，将大尺寸的雷达回波原始图像剪裁为适用于模型训练的小尺寸图像。

5.根据权利要求书1所述的方法，其特征在于：在所述雷达目标特征提取阶段，利用大量无标签图像数据，通过交替预测方式和最小化不同数据分布距离的方法，从海量数据中广泛学习目标与杂波的有效特征，使得目标检测模型具有更好的泛化性和鲁棒性，同时很好地应对航海雷达目标检测数据缺乏问题。

6.根据权利要求书5所述的方法，其特征在于：在所述雷达目标特征提取阶段，通过kl-散度计算不同数据分布之间的距离，通过最小化距离来增强目标检测模型对目标与杂波的特征表示学习。

7.根据...

【专利技术属性】
技术研发人员：司凌宇，刘美琴，李港，强文文，张筱晗，
申请(专利权)人：中国科学院软件研究所，
类型：发明
国别省市：