[发明专利]基于CFAR指导的双流SSD SAR图像目标检测方法

权利要求书

1.一种基于CFAR指导的双流SSD SAR图像目标检测方法，其特征在于，包括：

步骤1：获取SAR图像数据集；

其中，所述图像数据集包括训练数据集以及测试数据集；

步骤2：构建基于CFAR指导的双流SSD SAR目标检测网络模型；

其中，SAR目标检测网络模型包括SAR幅度图像特征提取网络、CFAR指示二值图像特征提取网络、交互式通道-空间注意力融合ICSAF模块、路径聚合检测网络PANet模块、卷积预测器模块以及和基于面积比的AR-NMS非极大值抑制算法模块组成，所述SAR目标检测网络模型包括三个输入端，第一输入端为SAR幅度图像特征提取网络的输入端，第二个输入端为CFAR指示二值图像特征提取网络的输入端，第三个输入端为卷积预测器模块的输入端；

步骤3：构建从原始SAR幅度图像得到不同尺度的CFAR指示二值图像的CFAR指示二值图映射模块，其中，CFAR指示二值图映射模块包括双参数CFAR检测和尺度映射模块，并将所述尺度映射模块的输出端连接至卷积预测器模块的输入端；

步骤4：对SSD检测网络中的交叉熵分类损失函数进行改进，将修改后的损失函数确定为SAR目标检测网络模型的分类损失函数；

步骤5：对所述SAR图像数据集进行双参数CFAR处理，得到对应的CFAR二值指示图，并将所述CFAR二值指示图分别输入SAR目标检测网络模型的第二输入端以及所述尺度映射模块；同时将训练数据集输入至SAR目标检测网络模型的第一输入端训练所述SAR目标检测网络模型直至损失函数收敛，得到训练好的SAR目标检测网络模型；

步骤6：将所述测试数据集输入训练好的目标检测网络模型中，得到初步目标检测结果；

步骤7：利用改进后的基于面积比的AR-NMS非极大值抑制算法对所述初步目标检测结果进行处理，得到最终检测结果。

2.根据权利要求1所述基于CFAR指导的双流SSD SAR图像目标检测方法，其特征在于，所述SAR幅度图像特征提取网络以及CFAR指示二值图像特征提取网络都由SSD检测网络中的VGG特征提取网络模块和注意力CBAM模块组成，其中CBAM模块分别嵌入VGG特征提取网络的Conv4_3、Conv7、Conv8_2特征层后，SAR幅度图像特征提取网络中的VGG特征提取网络输入为第一输入端，输入为原始SAR幅度图像；CFAR指示二值图像特征提取网络中的VGG特征提取网络输入为第二输入端，输入为CFAR二值指示图；

ICSAF模块由交互式通道融合模块和交互式空间融合模块组成，ICSAF模块同时输入通过SAR幅度图像特征提取网络输出的幅度特征图和CFAR指示二值图特征提取网络输出的CFAR指示特征图，六个ICSAF模块输出的不同尺度特征图作为PANet模块的输入；PANet模块由自顶向下和自底向上的特征融合路径组成；卷积预测器的输入为PANet模块的输出以及尺度映射模块的输出。

3.根据权利要求1所述的基于CFAR指导的双流SSD SAR图像目标检测方法，其特征在于，所述步骤6包括：

步骤61：如果所述测试数据中的待检测的SAR图像尺寸远大于目标检测网络的输入尺寸，则通过固定步长的滑窗方式将待检测SAR图像分割为多个小尺寸的SAR图像，得到分割后的子图；

步骤62：将分割后的子图输入训练好的目标检测网络模型中进行目标检测，得到分割后的子图的检测结果；

步骤63：根据子图在原始大幅SAR图像中的相对位置，将所有子图的检测结果拼接到一起，得到待检测的SAR图像的初步目标检测结果。

4.根据权利要求1所述的基于CFAR指导的SAR图像目标检测方法，其特征在于，所述CFAR指示二值图映射模块从原始SAR图像得到不同尺度的CFAR指示二值图像中的尺度映射模块的映射规则表达式为：

其中，I_in代表通过双参数CFAR检测原始SAR图像得到的CFAR二值指示图，M表示从原始输入SAR图像尺寸变换到相应预测特征图尺寸的变换倍数，1(·)表示指示函数，I_out表示与预测特征图尺寸相对应的CFAR二值指示图。