[发明专利]一种无源干扰场景下的SAR图像舰船目标检测方法及系统

说明书

本发明公开了一种无源干扰场景下的SAR图像舰船目标检测方法及系统，将无源干扰条件下的SAR图像舰船目标检测数据集划分为训练样本和测试样本；构建注意力增强的Faster R‑CNN检测模型；对注意力增强的Faster R‑CNN检测模型的感兴趣区域分类任务、感兴趣区域位置回归任务、目标分类任务、目标位置回归任务和目标区域显著性检测任务的整体损失函数进行构建；利用训练样本对添加整体损失函数L后的注意力增强的Faster R‑CNN检测模型进行训练；将测试样本输入训练后包含权重参数的注意力增强的Faster R‑CNN检测模型中，预测输出测试样本中目标边界框位置，目标类别及目标的置信度分数，完成SAR图像舰船目标检测。本发明提升无源干扰场景下SAR图像舰船目标检测精度。

技术领域

本发明属于遥感影像技术领域，具体涉及一种无源干扰场景下的SAR图像舰船目标检测方法及系统。

背景技术

无源干扰场景下的SAR图像舰船目标检测旨在无源干扰条件下对SAR图像的舰船目标进行定位和识别。传统的SAR图像舰船检测方法有基于模板匹配的方法、基于知识的方法和基于检测对象的方法，这些方法极大程度上依赖于大量的特征工程来实现对SAR图像中舰船目标的检测。然而，对于SAR图像中目标背景复杂、尺度差异明显等问题，这些方法的适应性并不强。

近年来，SAR图像舰船目标检测普遍采用基于深度学习的方法，深度卷积神经网络在目标检测问题上不需要手工设计特征，对SAR图像数据自行进行特征提取，性能表现超过传统算法。其中Faster R-CNN(Faster Region-based Convolutional Network)模型具有目标检测速度快，精度高等优点。然而，由于Faster R-CNN模型主要应用于自然图像场景下的目标检测任务，其并没有充分考虑SAR图像中无源干扰的问题，从而导致无源干扰场景下SAR图像舰船目标检测的性能很差。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种无源干扰场景下的SAR图像舰船目标检测方法及系统，提高无源干扰场景下SAR图像舰船目标的检测精度。

本发明采用以下技术方案：

无源干扰场景下的SAR图像舰船目标检测方法，包括以下步骤：

S1、构建无源干扰条件下的SAR图像舰船目标检测数据集，将无源干扰条件下的SAR图像舰船目标检测数据集划分为训练样本和测试样本；

S2、构建注意力增强的Faster R-CNN检测模型；

S3、对步骤S2构建的注意力增强的Faster R-CNN检测模型的感兴趣区域分类任务、感兴趣区域位置回归任务、目标分类任务、目标位置回归任务和目标区域显著性检测任务的整体损失函数L进行构建；

S4、利用步骤S1划分的训练样本对步骤S3构建整体损失函数L后的注意力增强的Faster R-CNN检测模型进行训练；

S5、将步骤S1划分的测试样本输入步骤S4训练后包含权重参数的注意力增强的Faster R-CNN检测模型中，预测输出测试样本中目标边界框位置，目标类别及目标的置信度分数，完成SAR图像舰船目标检测。

具体的，步骤S1中，将无源干扰条件下的SAR图像舰船目标检测数据集中的75％作为训练样本，剩余的25％作为测试样本。

具体的，步骤S2具体为：

S201、从Faster R-CNN检测模型的特征金字塔网络中获得5个金字塔特征图P₂，P₃，P₄，P₅，P₆；