【技术实现步骤摘要】
本专利技术属于雷达图像目标检测领域，特别涉及一种双极化sar图像海面舰船目标智能检测定位方法。
技术介绍
1、合成孔径雷达(synthetic aperture radar,sar)是一个主动式微波探测系统，其通过使用飞行器或卫星上的雷达发射器，接收由目标散射回来的信号，从而生成高分辨率的雷达图像，实现对特定区域的侦察。由于系统主动向外发射电磁波信号，受外界自然条件干扰较小，可应对复杂环境，实现全天时全天候探测；另一方面，其接收的反射信号可反映出目标电磁散射特性，因此与光学传感器可以实现互补甚至对某些目标具有更强特征区分能力。得益于雷达信号处理和系统硬件设计等方面的长足发展，越来越多的sar系统和成像技术出现并被广泛研究，在灾害检测、环境监测、公共区域安检、目标检测与侦察等应用中扮演着重要角色。
2、近年来，由于计算机硬件的快速发展，算力资源得到了极大提高，基于神经网络的目标检测算法逐渐兴起并得到广泛应用。相比于传统方法，基于深度学习的方法的特征提取能力强大，算法流程简洁高效，插件组合灵活多元。因此，将应用于自然图像处理的卷积神经网络方法迁移到sar图像目标检测领域并与sar图像的特性结合也是当前研究的一种趋势。
3、文献“zhang,t.；zhang,x.shipdenet-20:an only 20 convolution layers and1-mb lightweight sar ship detector.ieee geosci.remote sens.lett.2021,18,1234-123
4、文献“zhang,t.；zhang,x.；shi,j.；wei,s.hyperli-net:a hyper-light deeplearning network for high-accurate and high-speed ship detection fromsynthetic aperture radar imagery.isprs j.photogramm.remote sens.2020,167,123-153.”构建了一个超轻量级深度学习网络来实现高精度和高速度的船舶检测，其中包括五个贡献，即多感受野模块，空洞卷积模块，通道和空间注意力模块，特征融合模块和特征金字塔模块。通过引入以上模块，有效地降低了模型的复杂度，实现了不同层级特征图之间的相互融合，但是没有考虑到sar图像本身所具有的丰富极化信息对于目标检测的帮助。
技术实现思路
1、本专利技术的目的在于克服现有技术的不足，提供一种双极化sar图像海面舰船目标智能检测定位方法。本专利技术的方法结合边缘检测和多尺度特征融合网络，减弱了背景杂波对舰船目标检测的影响，在使用双极化sar图像样本训练后可保证较高的检测率，实现了舰船目标的准确检测。
2、本专利技术的目的是通过以下技术方案来实现的：一种双极化sar图像海面舰船目标智能检测定位方法，包括：
3、s1、获取双极化sar海面舰船目标图像，简称双极化sar图像；
4、s2、对双极化sar图像进行预处理；
5、s3、对预处理后图像进行边缘检测，得到目标潜在区域；
6、s4、基于fpn+pan结构，构建级联式特征融合金字塔网络cffm；
7、s5、将cffm网络作为目标检测网络的neck部分，搭建深度卷积神经网络cffpn；
8、s6、将步骤s3得到的数据作为cffpn的输入，对cffpn进行训练；
9、s7、将训练完成的cffpn用于未知图像的识别。
10、本专利技术的有益效果是：本专利技术的方法首先获取双极化sar图像，对图像进行预处理，利用sobel边缘检测方法确定可能存在目标的潜在区域，然后基于fpn+pan结构搭建级联式特征融合金字塔网络cffm，完成不同层级特征图的融合，综合浅层特征图丰富的位置信息和深层特征图丰富的语义信息，最后搭建包含backbone、neck和head三部分的单阶段目标检测网络cffpn，实现目标的准确检测和定位，本专利技术的方法结合边缘检测和多尺度特征融合网络，准确检测舰船目标，减弱了背景杂波对舰船目标检测的影响，在样本的训练后可较高地保证检测率，实现目标的准确检测。
本文档来自技高网...【技术保护点】
1.一种双极化SAR图像海面舰船目标智能检测定位方法，其特征在于，包括：
2.根据权利要求1所述的一种双极化SAR图像海面舰船目标智能检测定位方法，其特征在于，步骤S1中，获取Sentinel-1卫星采集的SAR海面舰船目标图像生成的双极化SAR海面舰船目标图像。
3.根据权利要求1所述的一种双极化SAR图像海面舰船目标智能检测定位方法，其特征在于，步骤S2中，预处理为采用Mosaic方法对SAR图像进行数据增强。
4.根据权利要求1所述的一种双极化SAR图像海面舰船目标智能检测定位方法，其特征在于，步骤S3中，采用Sobel边缘检测算子进行边缘检测，确定目标潜在区域。
5.根据权利要求4所述的一种双极化SAR图像海面舰船目标智能检测定位方法，其特征在于，步骤S3中，Sobel边缘检测算子由两个3×3卷积因子Gm和Gn组成，分别用于横向和纵向的梯度计算，其表达式如下：
6.根据权利要求1所述的一种双极化SAR图像海面舰船目标智能检测定位方法，其特征在于，步骤S4具体方法如下：CFFM中包括3个FEM模块、5个CSP模块、
7.根据权利要求1所述的一种双极化SAR图像海面舰船目标智能检测定位方法，其特征在于，步骤S5中的CFFPN包括依次连接的Backbone网络、Neck网络和Head三个部分，采用ResNet-50网络作为Backbone网络，提取多层级图像特征，将最后三层输出并行送入到Neck部分；Neck网络采用步骤S4构建的CFFM网络，用于特征融合，然后将融合之后的特征图输入到Head中进行分类和回归处理；CFFPN的Head采用与YOLOv5目标检测网络一致的结构，Neck部分的输出经过Head之后得到最终输出。
8.根据权利要求1所述的一种双极化SAR图像海面舰船目标智能检测定位方法，其特征在于，步骤S6具体实现方法为：将步骤S3处理后得到的数据输入CFFPN进行前向传播，并计算代价函数值；使用基于梯度下降的后向传播算法对CFFPN的参数进行更新；迭代进行前后向传播，直至代价函数收敛，得到训练完成的深度卷积神经网络。
9.根据权利要求8所述的一种双极化SAR图像海面舰船目标智能检测定位方法，其特征在于，步骤S6中具体步骤如下：
...【技术特征摘要】
1.一种双极化sar图像海面舰船目标智能检测定位方法，其特征在于，包括：
2.根据权利要求1所述的一种双极化sar图像海面舰船目标智能检测定位方法，其特征在于，步骤s1中，获取sentinel-1卫星采集的sar海面舰船目标图像生成的双极化sar海面舰船目标图像。
3.根据权利要求1所述的一种双极化sar图像海面舰船目标智能检测定位方法，其特征在于，步骤s2中，预处理为采用mosaic方法对sar图像进行数据增强。
4.根据权利要求1所述的一种双极化sar图像海面舰船目标智能检测定位方法，其特征在于，步骤s3中，采用sobel边缘检测算子进行边缘检测，确定目标潜在区域。
5.根据权利要求4所述的一种双极化sar图像海面舰船目标智能检测定位方法，其特征在于，步骤s3中，sobel边缘检测算子由两个3×3卷积因子gm和gn组成，分别用于横向和纵向的梯度计算，其表达式如下：
6.根据权利要求1所述的一种双极化sar图像海面舰船目标智能检测定位方法，其特征在于，步骤s4具体方法如下：cffm中包括3个fem模块、5个csp模块、5个cbs模...
【专利技术属性】
技术研发人员：张寅，黄钰林，唐雪，尚元哲，冯晚竹，霍伟博，裴季方，杨建宇，杨海光，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：
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。