[发明专利]一种快速准确的探地雷达目标检测方法

权利要求书

1.一种快速准确的探地雷达目标检测方法，其特征在于，所述目标检测方法包括：

步骤S1、获取用于训练的探地雷达目标正负标签数据集；

步骤S2、提取步骤S1中获取的数据集中的HOG特征；

步骤S3、利用PCA法对步骤S2中获取的HOG特征进行降维处理；

步骤S4、将降维后的HOG特征输入至分类器网络中进行训练，得到训练好的检测模型；

步骤S5、对用于目标检测的原始探地雷达图像进行预处理；

步骤S6、针对经过预处理后的探地雷达图像，使用选择性搜索算法，获取不同尺度及长宽比的目标候选框；

步骤S7、提取候选框中图像的HOG特征；

步骤S8、利用PCA对HOG特征进行降维处理；

步骤S9、将降维后的HOG特征输入至步骤S4得到的检测模型中进行目标检测，获得目标检测结果。

2.根据权利要求1所述的一种快速准确的探地雷达目标检测方法，其特征在于，在所述步骤S1中，所述探地雷达目标正负标签数据集包括训练集和测试集，其中，所述训练集为探地雷达实际获取的图像，所述测试集为仿真数据。

3.根据权利要求1所述的一种快速准确的探地雷达目标检测方法，其特征在于，所述步骤S2具体包括：

步骤S201、计算出各像素点水平方向梯度P_h(x,y)及垂直方向梯度P_v(x,y)，表达式为：

公式(1)和公式(2)中，G(x,y)表示图像在(x,y)像素点处的灰度值；

步骤S202、根据步骤S201中获取的水平方向梯度以及垂直方向梯度，计算出各像素点的梯度幅度D(x,y)及方向θ(x,y)，表达式为：

步骤S203、将每个样本图像划分成多个细胞单元，并统计每个细胞单元的梯度直方图，其中，所述统计每个细胞单元的梯度直方图具体包括：首先将0-360度的梯度方向均匀划分成9个通道，每个细胞单元内的像素根据其梯度方向选择对应的通道，然后基于像素点的梯度幅度对其对应的通道进行投票，最后统计出该细胞单元的9通道梯度直方图；

步骤S204、将多个细胞单元组成细胞块，统计每个细胞块的梯度直方图，所述将多个细胞单元组成细胞块具体包括：将该多个细胞单元的梯度直方图进行串联并归一化；

步骤S205、将每个样本图像所有细胞块的梯度直方图全部串联即获得最终整幅图像的HOG特征x_i；

步骤S206、将每个训练样本的HOG特征x_i组成特征矩阵X＝[x₁,x₂,...,x_N]。

4.根据权利要求3所述的一种快速准确的探地雷达目标检测方法，其特征在于，所述步骤S3具体包括：

步骤S301、将步骤S206中得到的特征矩阵进行中心化，其包括：设X＝[x₁,x₂,...,x_N]是N个M维HOG特征组成的且用于训练的特征矩阵，则中心化以后的特征矩阵X表示为：

步骤S302、针对步骤S301中得到的特征矩阵计算其协方差矩阵，表达式为：

步骤S303、将协方差矩阵C_X进行特征分解，得到：C_Xξ＝λξ，其中，λ＝diag{λ₁,λ₂,...,λ_M}，λ_i是降序排列的特征值，ξ＝[ξ₁,ξ₂,...,ξ_M]是λ_i对应的特征向量ξ_i组成的矩阵；

步骤S304、特征降维，包括：将前k大特征值对应的特征向量构成一个投影矩阵P＝[ξ₁,ξ₂,...,ξ_k]，则降成k维的HOG特征矩阵Y表示为

Y＝P^TX (5)

公式(5)中，X表示所有训练样本的HOG特征x_i组成特征矩阵。