[发明专利]一种基于多层神经网络的SAR图像舰船目标检测方法

说明书

本发明公开一种基于多层神经网络的SAR图像舰船目标检测方法，包括步骤：将包含SAR图像及其所对应的舰船目标真实值的SAR图像数据集划分成训练集、验证集、测试集；对所述训练集进行预处理，包括SAR图像的尺寸标准化、数据增强和先验框聚类；使用所述验证集和所述预处理过的训练集构建一个基于多层神经网络的SAR图像舰船目标检测方法SSTD‑MNN的初始模型；使用所述验证集和所述预处理过的训练集对所述SSTD‑MNN的初始模型进行参数调节，得到SSTD‑MNN的优化模型，并使用所述测试集评估该优化模型的检测准确度；利用所得SSTD‑MNN的优化模型对SAR图像数据集中或实际应用中的待检测SAR图像进行舰船目标检测。本发明提供了一种检测准确度高的SAR图像舰船目标检测方法，具有广阔应用前景。

技术领域

本发明属于SAR图像舰船目标检测技术领域，涉及基于神经网络的SAR图像舰船目标检测方法，尤其是一种基于多层神经网络的SAR图像舰船目标检测方法。

背景技术

SAR(Synthetic Aperture Radar)，即合成孔径雷达，是一种主动式的对地观测系统，可安装在飞机、卫星、宇宙飞船等飞行平台上，全天时、全天候对地实施观测，并具有一定的地表穿透能力。因此，SAR系统在灾害监测、环境监测、海洋监测、资源勘查、农作物估产、测绘和军事等方面的应用上具有独特的优势，可发挥其他遥感手段难以发挥的作用。SAR图像是一种由合成孔径雷达通过合成孔径原理和高频电磁波对一片区域进行主动感知生成的高分辨率图像，由于SAR成像受外界影响较小，可以对一片区域进行远距离、全天候的监视。一定数量的SAR图像及其所对应的舰船目标真实值(ground truth)构成一个SAR图像数据集。SAR图像舰船目标检测(synthetic aperture radar image ship targetdetection)以SAR图像为单位，对SAR图像中的舰船目标进行检测，是在沿海地区进行舰船检测的重要手段。SAR图像舰船目标检测方法可以根据SAR图像数据集中的数据，挖掘出SAR图像中舰船目标的图像特征，据此对新的SAR图像进行舰船目标检测。SAR图像中非舰船目标干扰较多，因此SAR图像舰船目标检测方法依靠有效的图像特征提取和筛选能力，否则会影响SAR图像舰船目标检测的准确度(accuracy)。

SAR图像舰船目标检测准确度的小幅提升也会带来巨大的经济社会、军事效益。在日常环境下，SAR图像舰船目标检测在舰船寻找与救助、渔船监视、领土保卫、反走私及偷渡等方面发挥着重要的作用；在战场环境下，大部分现代舰船都装备了电子雷达，通过电子雷达进行SAR图像舰船目标检测并实施精确打击或者反导，能够影响战场局势，在战略和战术层面都有巨大意义。

SAR图像舰船目标检测的常用方法包括基于人为设定的目标特征检测方法与基于神经网络的深度学习检测方法。

典型的基于人为设定的目标特征检测方法是基于SIFT(Scale InvariantFeature Transform)特征的检测方法，该方法包括三个部分：区域选择、特征提取、目标分类，其中区域选择使用基于滑动窗口的物体检测方法(参见：Yanwu Xu，Dong Xu，StephenLin，Jiang Liu，Jun Cheng，Carol Yim-lui Cheung，Tin Aung，Tien Yin Wong：SlidingWindow and Regression Based Cup Detection in Digital Fundus Images forGlaucoma Diagnosis.MICCAI(3)2011：1-8.https：//doi.org/10.1007/978-3-642-23626-6_1)，而滑动窗口法的无针对性导致了该方法时间复杂度高且检测精度低。