[发明专利]基于电子围网的雷达影像船只识别方法、装置及电子设备

说明书

本发明涉及雷达影像识别技术领域，具体涉及一种基于电子围网的雷达影像船只识别方法、装置及电子设备。获取样本数据，对所述样本数据进行图像增强，以获得图像增强样本；所述图像增强样本包括：训练数据集和样本测试数据集；基于所述船只特征分别使用Faster RCNN和YoLo训练网络对训练数据集进行训练，并设置最大迭代次数和学习率获得雷达影像船只识别模型；根据所述雷达影像船只识别模型对所述样本测试数据集进行测试，输出雷达影像船只识别结果；基于获取Faster RCNN和YOLO训练网络的船只识别结果数据进行质量评价，确定出最优训练网络，基于所述最优训练网络和所述样本数据，输出最优雷达影像船只识别结果。从而实现对雷达影像中船只进行准确快速识别。

技术领域

本发明涉及雷达影像识别技术领域，具体涉及一种基于电子围网的雷达影像船只识别方法、装置及电子设备。

背景技术

在现有技术中，光学影像受天气条件影响时，SAR图像是有效的数据源，SAR能够宏观、长期、连续、动态、实时的对海洋进行观测。但由于数据分辨率和数据源的限制,原有大量的船舶分类研究工作主要是基于模拟SAR(InSAR)图像,基于中低分辨率的SAR图像船舶分类研究较少，分类精度也比较低，而国内外还鲜见公开发表的基于高分辨率SAR图像开展的船舶分类研究文献。进入21世纪以来，SAR技术不断发展,尤其是德国l m分辨率的TerraSAR-X和加拿大的Radarsat-2和中国的GF-3先后升空,开启了高分辨率SAR卫星的时代。原来小型的船舶目标在中低分辨率SAR图像上表现为点目标,大中型船舶目标表现为内部结构不太清晰面目标,这也使得直接将SAR图像送入经典的网络模型结构是难以获得良好的识别精度与速度。

发明内容

有鉴于此，本发明实施例提供了一种基于电子围网的雷达影像船只识别方法、装置及电子设备，以解决现有技术中把雷达影像送入训练网络模型很难获得良好的识别精度与速度的问题。

根据第一方面，本发明实施例提供了一种基于电子围网的雷达影像船只识别方法，包括：

获取样本数据，对所述样本数据进行图像增强，以获得图像增强样本；所述图像增强样本包括：训练数据集和样本测试数据集；

利用所述图像增强样本，基于卷积网络提取船只特征；

基于所述船只特征分别使用Faster RCNN，和，YoLo训练网络对训练数据集进行训练，并设置最大迭代次数和学习率，以获得雷达影像船只识别模型；

根据所述雷达影像船只识别模型对所述样本测试数据集进行测试，输出雷达影像船只识别结果；

基于获取Faster RCNN，和，YOLO训练网络的船只识别结果数据进行质量评价，确定出最优训练网络，基于所述最优训练网络和所述样本数据，输出最优雷达影像船只识别结果。

通过获取样本数据，对所述样本数据进行图像增强，在对图像增强后的样本数据进行特征提取，再利用不同的训练网络和提取的特征信息对图像增强后的样本数据进行训练识别，从而实现利用训练网络对雷达影像中船只数据进行准确快速识别。

结合第一方面，在第一方面第一实施方式中，对所述样本数据进行图像增强，包括：对所述样本数据采用指数加权均值比，保持所述样本数据的恒虚警率。

通过保持恒虚警率，以获得高分辨率，清晰的雷达影像数据保证能够在训练网络中识别出船只数据。

结合第一方面，在第一方面第二实施方式中，船只特征，包括：船只占比和船只形变大小。

通过提取船只占比和船只形变大小特征从而确定出船只外形轮廓，从而保证在进行网络训练时能够提取出船只数据。

结合第一方面，在第一方面第三实施方式中，基于所述样本训练数据集分别使用Faster RCNN训练网络进行训练并设置最大迭代次数和学习率，以获得雷达影像船只识别模型，包括：