【技术实现步骤摘要】
本专利技术涉及遥感卫星数据处理，尤其涉及一种基于光学和sar遥感数据的飞机目标检测识别方法与装置。
技术介绍
1、遥感卫星数据在轨智能处理是当前的研究热点之一。光学数据与合成孔径雷达(sar)数据是卫星遥感领域最常见的两种数据类型，由于各自的成像原理不同，两者在对地观测上各有千秋。sar传感器具备全天时、全天候探测能力，能够穿透云层、雾气且不受阴影遮挡、光照时间的影响，但其存在纹理和地物辐射信息量不够、解译难度较大的问题。光学遥感影像能够直观的将纹理、颜色与形状等方面的信息反映给使用者，但由于光照和天气的限制，数据获取的能力有限。
2、因此，如何提高卫星遥感目标检测识别效率，结合sar和光学各自优势，利用sar遥感影像在几何特性上的优势，光学遥感影像在辐射特性上能够提取丰富的光谱信息，对于分类、解译的优势，构建基于光学和sar遥感数据的在轨智能目标检测方法和装置，成为遥感卫星数据在轨智能处理领域的热点问题之一。
技术实现思路
1、为解决上述现有技术中存在的技术问题，本专利技术的目的在于提供一种的基于光学和sar遥感数据的飞机目标检测识别的方法与装置，能够实现基于光学、sar卫星遥感数据的飞机目标检测识别。
2、为实现上述专利技术目的，本专利技术提供一种基于光学和sar遥感数据的飞机目标检测识别方法，包括以下步骤：
3、步骤s1、选用标注完整的sar图像形成数据集a，并利用所述数据集a训练sar图像目标检测模型，获得第一目标检测模型；
5、步骤s3、获取同区域同时刻的sar图像和光学图像，并分别输入所述第一目标检测模型和所述第二目标检测模型检测，并根据检测目标的姿态角分别对所述第一目标检测模型和所述第二目标检测模型的检测结果进行旋转变换，获得第一检测结果和第二检测结果；
6、步骤s4、通过基于注意力的决策融合检测算法对所述第一检测结果和所述第二检测结果进行决策融合。
7、根据本专利技术的一个技术方案，在所述步骤s3中，所述第一目标检测模型输出第一检测结果，具体包括：
8、步骤s311、采用canny边缘检测算子对输入的sar图像提取边缘信息，提取飞机的强散射点，利用散射点的位置关系进行建模，得到飞机的结构关系特征，形成边缘检测图；
9、步骤s312、利用预先训练的真实飞机目标边缘图作为卷积算子，对所述边缘检测图进行卷积滤波，形成边缘显著图；
10、步骤s313、利用非极大值抑制算法获得所述边缘显著图的局部极大值点，即认为是疑似目标的中心点(xcenter,ycenter)；
11、步骤s314、根据所述疑似目标的中心点提取对应的sar疑似目标切片；
12、步骤s315、针对所述sar疑似目标切片，提取所述sar疑似目标切片的几何特征、不变矩特征、电磁散射特征，利用单分类支持向量机，进行对所述疑似目标的分类，获得第一飞机目标；
13、步骤s316、根据散射参数，结合所述第一飞机目标的姿态角对所述第一飞机目标进行物理建模，根据所述第一飞机目标的机翼展开方向信息对所述第一飞机目标进旋转变换，获得所述第一飞机目标的sar切片，作为所述第一检测结果并输出。
14、根据本专利技术的一个技术方案，在所述步骤s316中，对于所述第一飞机目标的任意关键点根据所述第一飞机目标的姿态角θ1、式(1)和式(2)，计算所述第一飞机目标旋转后的关键点的坐标获得所述第一检测结果：
15、
16、其中，xcenter表示所述第一飞机目标的中心点的x轴坐标，ycenter表示所述第一飞机目标的中心点的y轴坐标，keyi是第一飞机目标的关键点序号。
17、根据本专利技术的一个技术方案，在所述步骤s314中，在所述边缘显著图中所述疑似目标的非极大值点周围进行10像素步长的滑窗，获取所述sar疑似目标切片。
18、根据本专利技术的一个技术方案，在所述步骤s3中，所述第二目标检测模型输出所述第二检测结果，具体包括：
19、步骤s321、采用resnet-50作为主干网络，对输入的光学图像进行特征提取，获取所述光学图像降采样4、8、16、32倍的特征分别记为p1、p2、p3、p4；
20、步骤s322、对特征p1、p2、p3、p4分别划分8×8、4×4、2×2、1×1的分区，并在分区内部做自注意力，经过transformer结构后分别输出相同尺寸的特征图t1、t2、t3、t4；
21、步骤s323、通过双向融合特征金字塔网络对所述步骤s22得到的特征图进行特征融合，通过多个上采样、下采样与跨层连接，在每层的特征的初始位置和最终位置采用跳跃的残差连接方式，使浅层特征与深层特征相融合；
22、步骤s324、通过位置子网络在所述步骤s323中得到的特征融合后的特征图中进行飞机目标检测，获得第二飞机目标的中心点，从所述第二飞机目标的中心点回归边界框的宽度w和高度h，获得所述第二飞机目标的姿态角θ2；
23、步骤s325、根据飞机目标的机翼的展开方向信息，对所述第二飞机目标的光学图像进行旋转变化，使其角度旋转统一；所述旋转变化的计算公式如下：
24、
25、其中，表示所述第二飞机目标的中心点变换后的坐标，表示所述第二飞机目标的中心点变换前的坐标，表示所述第二飞机目标的中心点变换前后坐标轴原点的相对位置偏移量；θ2表示所述第二飞机目标的姿态角，范围为(0，360°)；
26、步骤s326、将旋转变化后的第二飞机目标的光学图像中每个通道都通过一个sigmoid函数，得到的结果中每一点的热图值即为以该点为中心点的第二飞机目标的置信度，通过分类子网络获得目标类别，获得第二飞机目标的光学图像切片，作为所述第二目标检测结果并输出。
27、根据本专利技术的一个技术方案，所述基于注意力的决策融合算法包括：
28、步骤s41、根据所述第一目标检测结果，获取散射关键特征，通过聚类算法将散射关键点划分为聚类中心点，增强所述散射关键点之间的联系，形成聚类散射关键特征，得到聚类散射特征集合为fsar，所述聚类散射特征集合的大小为nsar；
29、步骤s42、根据所述第二目标检测结果，采用resnet提取所述光学图像切片中的目标特征，得到图像目标特征集合为foptics，所述图像目标特征集合的大小为noptics；
30、步骤s43、根据所述聚类散射特征集合和所述图像目标特征集合，对所述第一目标检测结果和所述第二目标检测结果的对目标中心点坐标进行序列化，得到sar目标和光学目标的位置特征集合fsar和poptics，大小分别为fsar和noptics；
31、步骤s44、根据基于注意力的融合算法分别计算所述第一目标本文档来自技高网...
【技术保护点】
1.一种基于光学和SAR遥感数据的飞机目标检测识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于光学和SAR遥感数据的飞机目标检测识别方法，其特征在于，在所述步骤S3中，所述第一目标检测模型输出第一检测结果，具体包括：
3.根据权利要求2所述的基于光学和SAR遥感数据的飞机目标检测识别方法，其特征在于，在所述步骤S316中，对于所述第一飞机目标的任意关键点根据所述第一飞机目标的姿态角θ1、式(1)和式(2)，计算所述第一飞机目标旋转后的关键点的坐标获得所述第一检测结果：
4.根据权利要求2所述的基于光学和SAR遥感数据的飞机目标检测识别方法，其特征在于，在所述步骤S314中，在所述边缘显著图中所述疑似目标的非极大值点周围进行10像素步长的滑窗，获取所述SAR疑似目标切片。
5.根据权利要求2所述的基于光学和SAR遥感数据的飞机目标检测识别方法，其特征在于，在所述步骤S3中，所述第二目标检测模型输出所述第二检测结果，具体包括：
6.根据权利要求5所述的基于光学和SAR遥感数据的飞机目标检测识别方法，其特征在
7.根据权利要求6所述的基于光学和SAR遥感数据的飞机目标检测识别方法，其特征在于，在所述步骤S48中，采用贝叶斯决策融合对匹配的所述第一目标检测结果和所述第二目标检测结果进行决策融合，具体包括：
8.一种基于光学和SAR遥感数据的飞机目标识别装置，用于实现如权利要求1至7任一权利要求所述的基于光学和SAR遥感数据的飞机目标检测识别方法，整机采用VPX架构设计，包括：
...【技术特征摘要】
1.一种基于光学和sar遥感数据的飞机目标检测识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于光学和sar遥感数据的飞机目标检测识别方法，其特征在于，在所述步骤s3中，所述第一目标检测模型输出第一检测结果，具体包括：
3.根据权利要求2所述的基于光学和sar遥感数据的飞机目标检测识别方法，其特征在于，在所述步骤s316中，对于所述第一飞机目标的任意关键点根据所述第一飞机目标的姿态角θ1、式(1)和式(2)，计算所述第一飞机目标旋转后的关键点的坐标获得所述第一检测结果：
4.根据权利要求2所述的基于光学和sar遥感数据的飞机目标检测识别方法，其特征在于，在所述步骤s314中，在所述边缘显著图中所述疑似目标的非极大值点周围进行10像素步长的滑窗，获取所述s...
【专利技术属性】
技术研发人员：田路云，贺广均，李梓桢，刘世烁，上官博屹，金世超，冯鹏铭，徐加伟，梁银川，符晗，
申请(专利权)人：北京卫星信息工程研究所，
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。