[发明专利]一种星载SAR图像中海面船只的端到端检测与识别方法

权利要求书

1.一种星载SAR海面船只的端到端检测与识别方法，其特征在于，具体步骤如下：

(1)首先，采用基于Otsu辅助水图文件的精细海陆分割算法，实现海陆分割；

(2)然后，采用自适应多尺度CFAR船只目标自动检测算法，实现对舰船目标进行检测；

(3)随后，在步骤(2)的基础上，构建SAR船只标记数据库，为虚警鉴别和分类识别提供数据支持；

(4)最后，采用卷积神经网络对船只目标进行鉴别与分类识别，包括卷积神经网络的构建，卷积神经网络的训练，实现虚警鉴别和船只分类；

步骤(1)中，所述的基于Otsu辅助水图文件的精细海陆分割算法，包括：针对有精确的经纬度信息情况，采取250m世界海陆数据库掩膜实现像素级分割；针对低分辨率、海陆掩膜绘制不准确或缺少精确成像位置经纬度信息情况，采取基于Otsu的自动海陆分割；

步骤(2)中，所述的自适应多尺度CFAR船只目标自动检测算法中，多尺度CFAR船只目标包括：全局、大尺度、小尺度三种尺度CFAR，并增添AIS预设条件；

步骤(3)中，所述的构建SAR船只标记数据库中，包括：基于AIS信息对SAR图像的船只与水上移动通信业务标识码MMSI码的匹配和目标切片数据集；

步骤(4)中，所述的基于卷积神经网络的船只目标鉴别与分类中，卷积神经网络包括：疑似船只目标的虚警鉴别网络和船只类型分类识别网络。

2.根据权利要求1所述的星载SAR海面船只的端到端检测与识别方法，其特征在于，步骤(1)中：

所述的采用250m世界海陆数据库掩膜实现像素级海陆分割的流程为：利用待检测SAR图像的经纬度信息读取该SAR图像待检测的区域对应的250m世界海陆数据库中的海陆分割掩膜，利用最近邻插值将该掩膜变换为与SAR图像相同的尺寸，有效提取数据库文件中的海陆掩膜；

所述的采用基于Otsu的自动海陆分割的流程为：对待检测SAR图像进行下采样，降低计算时间，利用均值滤波消除相干斑噪声的影响，用Otsu求取最佳分割阈值并进行二值化；对二值图像进行均值滤波，滤波器半径为5，面积大于普通船只的十倍则认为是水域。

3.根据权利要求2所述的星载SAR海面船只的端到端检测与识别方法，其特征在于，步骤(2)中：

所述的自适应多尺度CFAR的流程为，对基于伽马分布的待检测SAR图像杂波统计分布模型进行建模和参数估计，然后根据伽马分布的参数作为初始值，利用AIS接收到的船只数量作为预设条件反复迭代逐步逼近，求解伽马分布参数的全局最优解或局部最优解；

所述的大尺度CFAR的流程为，对待检测SAR图像进行二维网格栅格化，针对每个栅格，估计其海面杂波统计分布模型，并对二维阈值曲面进行平滑滤波；

所述的小尺度CFAR的流程为，采取双线性插值的方式，构建与SAR图像同尺寸的二维阈值图，精准提取海面疑似船只目标。

4.根据权利要求3所述的星载SAR海面船只的端到端检测与识别方法，其特征在于，步骤(3)中，所述构建SAR船只标记数据库的流程为：根据自适应多尺度CFAR船只目标自动检测算法精准提取的海面疑似船只目标，与基于AIS信息对SAR图像自动生成的MMSI码，二者做全局最优匹配，给海面疑似船只目标分配相应类别，最后提取含有类别的船只切片，构成高分辨率船只标记数据库。

5.根据权利要求4所述的星载SAR海面船只的端到端检测与识别方法，其特征在于，步骤(4)中：

所述采用卷积神经网络的疑似船只目标的虚警鉴别网络，对船只目标进行鉴别的流程为：根据不同网络层结构具有不同实现功能的原理，合理设计网络层结构，搭建虚警鉴别网络，对自适应多尺度CFAR船只目标自动检测结果进行虚警鉴别，该虚警鉴别网络共包含13层卷积层、5层池化层、3层全连接层以及若干层激活函数，按照所需训练参数对该网络进行训练；

所述采用卷积神经网络的船只目标分类识别网络，对船只目标进行识别的流程为：根据不同网络层结构具有不同实现功能的原理，应用数据库训练船只类型分类识别网络，实现船只类型识别，该船只目标分类识别网络共包含38层卷积层、9层池化层、9层归一化层、以及2层全连接层，按照所需训练参数对该网络进行训练。