[发明专利]一种基于统计特性和结构特性融合的SAR图像目标检测方法

权利要求书

1.一种基于统计特性和结构特性融合的SAR图像目标检测方法，其特征在于，包括以下步骤：

利用CFAR检测器和Faster-RCNN检测网络交替迭代对待识别SAR图像进行目标识别，直至满足交替迭代终止条件，得到所述待识别SAR图像的目标识别结果；

其中，利用CFAR检测器输出的目标识别结果训练所述Faster-RCNN检测网络，利用所述Faster-RCNN检测网络输出的目标识别结果更新所述CFAR检测器的保护区尺寸。

2.如权利要求1所述的一种基于统计特性和结构特性融合的SAR图像目标检测方法，其特征在于，所述CFAR检测器的统计分布模型选择方法为：

计算待识别SAR图像与统计分布模型之间的偏差；

选择偏差最小值对应的统计分布模型作为所述CFAR检测器的统计分布模型。

3.如权利要求2所述的一种基于统计特性和结构特性融合的SAR图像目标检测方法，其特征在于，所述统计分布模型的形状参数和尺度参数采用最大似然估计方法计算。

4.如权利要求2或3所述的一种基于统计特性和结构特性融合的SAR图像目标检测方法，其特征在于，利用CFAR检测器输出的目标识别结果训练所述Faster-RCNN检测网络包括：

将CFAR检测器输出的目标识别结果作为权重加入到Faster-RCNN检测网络的二分类交叉熵损失函数中。

5.如权利要求4所述的一种基于统计特性和结构特性融合的SAR图像目标检测方法，其特征在于，利用CFAR检测器对待识别SAR图像进行目标识别包括：

将待识别SAR图像中相连的目标像素进行组合，得到第一目标框；

将所述第一目标框按比例放大，得到第二目标框。

6.如权利要求5所述的一种基于统计特性和结构特性融合的SAR图像目标检测方法，其特征在于，得到第二目标框之后还包括：

将所述第二目标框内的所有像素的置信度融合，得到第二目标框的置信度。

7.如权利要求6所述的一种基于统计特性和结构特性融合的SAR图像目标检测方法，其特征在于，利用CFAR检测器输出的目标识别结果训练所述Faster-RCNN检测网络：

以所述第二目标框的置信度作为所述CFAR检测器输出的目标识别结果。

8.如权利要求5-7任一所述的一种基于统计特性和结构特性融合的SAR图像目标检测方法，其特征在于，所述Faster-RCNN检测网络的损失函数为：

L＝L_roiHead+L_RPN，

其中，L_RPN为RPN损失，L_roiHead为Faster-RCNN检测头损失。

9.如权利要求8所述的一种基于统计特性和结构特性融合的SAR图像目标检测方法，其特征在于，所述RPN损失为：

其中，为二分类交叉熵损失，为无穷小量，y_j为第j个目标物的置信度普通标签，为RPN对第j个目标物的置信度预测值，N为目标物的数量，w_j为每一个标签所对应的权重，smooth_L1(T,P^*)为RPN目标框损失，T为第二目标框的大小，P^*为RPN候选边界框大小的预测值。

10.如权利要求9所述的一种基于统计特性和结构特性融合的SAR图像目标检测方法，其特征在于，所述Faster-RCNN检测头损失为：

其中，为Faster-RCNN检测头的KL散度，为检测头对分类概率预测输出，smooth_L1(T,T^*)为检测头目标框损失，T^*为预测边界框大小的预测值。