[发明专利]一种基于一维多向抽取的SAR图像港口检测方法

权利要求书

1.一种基于一维多向抽取的SAR图像港口检测方法，其特征在于，包括以下步骤：

S1、进行海陆分割，获得海岸线；

S2、沿海岸线选取覆盖海岸线全线的M个待检测点；

S3、针对每个待检测点，分别选取N条直线；

S4、以每个待检测点为中心，沿着选取的直线向两端延伸，选取经过该直线的多个像素点，构成沿海岸线的一维向量样本；

S5、构建一维卷积神经网络；

S6、训练一维卷积神经网络；

S7、将步骤S4得到的一维向量样本输入步骤S6训练好的一维卷积神经网络中，进行港口存在性鉴别；

S8、遍历所有待检测点，重复步骤S3、S4和S7的操作，得到最终的港口区域。

2.根据权利要求1所述的一种基于一维多向抽取的SAR图像港口检测方法，其特征在于，所述步骤S1具体实现方法为：首先，通过降采样、均值滤波对SAR图像进行预处理；然后将预处理后的SAR图像灰度级分为L级，灰度级为第i级的像素有n_i个，第i级灰度出现的概率为并对SAR图像求类间方差σ²(t)作为评价函数；通过最大化类间方差，确定最佳灰度门限阈值t^*，按灰度级将图像像素分为两类C₀、C₁，C₀由灰度值在区间[1,t^*]内所有像素组成，即为海洋区域；C₁由灰度值在区间[t^*+1,L]内所有像素组成，即为陆地区域；

计算灰度门限阈值t^*由下式确定：

其中，类间方差σ²(t)为：

其中，t为灰度门限阈值，两部分图像的类内均值μ₀(t),μ₁(t)，以及图像灰度总均值μ分别为：

经上述步骤得到海洋与陆地区域的二值图后，通过统计像素值发生突变的位置，即可得到海岸线。

3.根据权利要求1所述的一种基于一维多向抽取的SAR图像港口检测方法，其特征在于，所述步骤S2中，沿海岸线以step为间隔选取多个待检测点。

4.根据权利要求3所述的一种基于一维多向抽取的SAR图像港口检测方法，其特征在于，所述步骤S3具体实现方法为：

S31、首先，计算第m个待检测点的基准方向

其中，m＝1,2，…,M，Δ为位置变化单元，N_m为第m个待检测点在海岸线上的位置编号：N_m＝(m-1)·step；分别为N_m+Δ、N_m-Δ的横坐标，分别为N_m+Δ、N_m-Δ的纵坐标；

S32、根据基准方向及每个待检测点上选取的抽取方向的数量N计算每条抽取直线相对于基准方向的斜率变化

其中，n＝1,2,…,N；

S33、计算得出N条抽取线的斜率，进而得到抽取线的直线方程为：

其中，M＝floor[length(coastline)/step]为待检测点的个数，floor(·)为向下取整操作，length(·)为取长度操作，step为待检测点的选取间隔，coastline为海陆分割后的海岸线，N为每个待检测点上选取的抽取方向的数量；x_k,y_k分别代表海岸线上第k(k＝1,2,...N_M)个位置点的横纵坐标。

5.根据权利要求1所述的一种基于一维多向抽取的SAR图像港口检测方法，其特征在于，所述步骤S5具体实现方法为：一维卷积神经网络采用一维抽取向量作为输入，中间经过多层卷积和池化得到特征图，然后将提取出的特征输入全连接层，最后通过Softmax输出待检测点的分类结果，即港口与非港口特征点的分布图。

6.根据权利要求1所述的一种基于一维多向抽取的SAR图像港口检测方法，其特征在于，所述步骤S6具体实现方法为：利用步骤S4得到的一维多向抽取向量样本作为训练样本输入步骤S5构建的一维卷积神经网络进行前向传播，计算代价函数值；使用基于梯度下降的后向传播算法对一维卷积神经网络参数进行更新；前向传播与后向传播迭代进行，直至代价函数收敛。