[发明专利]增强舰船目标检测SAR图像数据的方法

权利要求书

1.一种增强舰船目标检测SAR图像数据的方法，其特征在于，包括如下步骤：

首先，以舰船位置为中心，将图像形式的舰船位置作为SAR图像增强的约束条件c，约束条件c和隐变量z作为基于舰船位置信息的条件生成对抗网络生成器的输入，隐变量z通过两个全连接层后得到高维特征向量，并将其重构为隐变量特征图，约束条件c通过卷积层得到条件特征图，隐变量特征图和条件特征图级联后输入到至少4层转置卷积层，得到综合特征图，逐层上采样提高特征分辨率，生成新的SAR舰船图像，将作为约束条件c的目标框对应转换成所生成SAR数据的标签；其次，对于输入的真实SAR图像和生成的SAR图像，判别器结合作为约束条件的舰船位置信息，形成作为判别器网络输入的数据-标签对，判别器通过卷积层提取数据-标签对的特征，判断生成SAR图像的真假，同时判断生成图像/真实图像分别与对应约束条件的匹配程度，通过生成器和判别器的对抗学习，生成SAR图像更接近真实的SAR图像；最后，将所构建的条件生成对抗网络模型与目标检测网络进行级联，通过舰船目标检测结果评估生成SAR图像数据质量，并将检测结果反馈给条件生成对抗网络，不断优化生成器，激励其生成更高质量的SAR图像新数据，通过对抗网络与目标检测网络的协同学习，增强SAR图像数据。

2.如权利要求1所述的增强舰船目标检测SAR图像数据的方法，其特征在于，基于舰船位置信息的条件生成对抗网络，包括：生成器和判别器两部分，生成器以隐变量z和约束条件c作为输入，隐变量z通过两个全连接层后得到高维特征向量，并将其重构为4×4×256的隐变量特征图。

3.如权利要求1所述的增强舰船目标检测SAR图像数据的方法，其特征在于，约束条件c通过4层步长为2的卷积层得到4×6×256的条件特征图；将两个特征图级联后输入到4层转置卷积层，逐层上采样提高特征分辨率，生成大小为64×64像素的新的SAR舰船图像。

4.如权利要求1所述的增强舰船目标检测SAR图像数据的方法，其特征在于，为了有效利用特征信息，在每两层转置卷积层间增加一个残差连接。

5.如权利要求1所述的增强舰船目标检测SAR图像数据的方法，其特征在于，判别器通过图像-标签对的方式引入舰船位置信息，将生成图像/真实图像分别与对应的约束条件级联，形成64×64×26的网络输入。

6.如权利要求1所述的增强舰船目标检测SAR图像数据的方法，其特征在于，判别器网络结构由4个堆叠卷积层、两层全连接层和softmax层组成，卷积层提取数据-标签对的特征，全连接层将特征转化为标量，softmax层为线性分类器，可以鉴别生成SAR图像的真假，同时判断生成图像/真实图像分别与对应约束条件的匹配程度，进而实现对生成器生成结果的反馈调节，提高模型的生成质量。

7.如权利要求1所述的增强舰船目标检测SAR图像数据的方法，其特征在于，基于舰船位置信息的条件生成对抗网络引入最优传输距离构建生成器目标函数：

和判别器的目标函数：

其中，E[·]表示分布函数期望值，x～P_r表示x服从概率分布P_r，表示服从概率分布P_g，c、分别为真实图像和生成图像对应约束，是真实图像的非匹配约束，D(x|c)和分别表示在约束c和约束c～下x是真实图像的概率，表示在约束下是生成图像的概率。表示判别器关于其输入的梯度，||·||表示矩阵的绝对值之和，r为真实数据与合成数据以一定比例混合(多为1:1)后的数据子集，是从r中选取的数据样本，k和p是超参数。

8.如权利要求1所述的增强舰船目标检测SAR图像数据的方法，其特征在于，基于舰船位置信息的条件生成对抗网络的总损失函数为L_all＝L_G+L_D，通过梯度下降法分别求解生成器和判别器总损失函数L_all的最优解G*和D*，G^*,得到最优解，其中，表示对L_all中的G和D求最大最小值。

9.如权利要求1所述的增强舰船目标检测SAR图像数据的方法，其特征在于，以真实SAR图像作为输入，通过约束条件构建模块生成舰船目标的位置约束，输入基于舰船位置信息的条件生成对抗网络生成SAR图像，通过YOLO V3目标检测网络模型评估生成SAR图像的质量，将舰船检测结果反馈给条件生成对抗网络，激励生成器生成质量更高的SAR图像，最终对抗生成网络与目标检测网络达到协同学习，形成一个有序的自主迭代循环优化机制。