[发明专利]一种基于部件的多层并行网络SAR图像飞机目标检测方法

说明书

本发明涉及一种基于部件的多层并行网络SAR图像飞机目标检测方法，包括以下步骤：构建用于检测飞机整体的根检测网络和用于检测飞机子部件的部件检测网络；准备训练数据集，并利用包围框对训练数据集中飞机整体、飞机子部件进行标注，将训练图像和对应的标注信息分别输入根检测网络和部件检测网络中对网络进行训练；利用训练好的根检测网络和部件检测网络对待检测图像进行初步检测；对根检测结果和部件检测结果进行匹配，获得与飞机整体相匹配的子部件；结合先验结构信息和初步检测得到的检测捕获概率，然后以最大检测捕获概率为原则对根检测结果和部件检测结果进行约束处理，得到最后的检测结果。本发明有效减少了漏检率与虚警率，提高检测的正确率。

技术领域

本发明属于图像处理技术领域，特别涉及一种基于部件的多层并行网络SAR图像飞机目标检测方法。

背景技术

合成孔径雷达(Synthetic Aperture Radar，SAR)作为对地观测的重要工具，已经历经了六十多年的发展和考验。其全天时全天候的特点使其具有极广的应用场景，而SAR图像地表飞机目标检测就是其中一个重要的应用。飞机在民用领域是重要的交通运输工具，对地表飞机的检测有助于机场管理。飞机在军用领域的重要性更为突出，飞机目标的识别检测具有重要的军事意义，飞机的种类、数量都是极其重要的情报，这些情报的获取都有利于作战指挥员提前做好战略部署。而对飞行中的飞机进行目标检测，更是有利于空中防御和军事打击。能快速的检测识别出飞机这一重要的军事目标，有利于作战人员成功侦察敌军动向，分析战场状况，克敌制胜。由此可以看出，对地表飞机目标的检测不论在军事领域还是民用领域都有重要意义，因而对SAR图像地表飞机目标检测的研究也受到相关领域研究者的重视。

已有的SAR图像目标检测方法在飞机目标检测这一任务上依然存在一些问题，SAR图像的散射机理给SAR图像地表飞机目标检测任务带来了许多挑战。

首先，在高分辨率情况下，由于SAR图像的散射机理，导致飞机目标在图像中是由或明或暗的散射点组成，因此许多传统SAR图像目标检测算法，会把目标分割成许多小块，这样一来会对检测一个完整目标增加难度，称之为稀疏性。

其次，根据SAR图像的散射机理，散射条件变化会引起目标散射情况的不同，这为目标点提取与准确定位增加了一定难度。而飞机目标的散射情况更为复杂，飞机的材质、形态结构等因素会影响其散射特性，且飞机的不同部位会产生不同的散射。由此可以看出，SAR图像散射机理以及飞机目标本身的特殊性造成了散射的多样性。

由于稀疏性与多样性的存在，SAR图像地表飞机目标检测过程中经常会出现漏检与错检的情况，导致飞机检测正确率低，无法得到良好的检测结果。

发明内容

本发明的目的在于引入深度特征和多层网络来解决传统手工特征表达能力不足问题，以解决SAR图像中飞机目标检测的多样性；引入部件信息辅助检测，以解决SAR图像中飞机目标检测的稀疏性。

本发明的技术方案为一种基于部件的多层并行网络SAR图像飞机目标检测方法，包括以下步骤：

步骤1，构建用于检测飞机整体的根检测网络和用于检测飞机子部件的部件检测网络，所述根检测网络和部件检测网络是对YOLO算法的改进，其损失函数的计算公式如下，