[发明专利]一种基于点特征的SAR图像目标检测方法及系统

说明书

本发明涉及一种基于点特征的SAR图像目标检测方法及系统，其方法包括：S1：将SAR图像输入特征提取模块，获得不同尺度的特征图；S2：对特征图输入点特征检测网络进行卷积处理，提取点特征；S3：根据点特征中最小和最大的x、y值，将其转化成伪检测框；S4：将处理后的特征图和点特征进行可变形卷积运算后，再通过1×1卷积，输出伪检测框矫正框和目标类别；将伪检测框矫正框和伪检测框相加后得到最终的预测目标包围框；S5：构建总损失函数L，用以训练点特征检测网络；步骤S6：将待检测SAR图像输入训练好的点特征检测网络中，得到目标包围框和目标类别信息作为检测结果。本发明提供的方法对于目标的离散特性进行了针对性设计，具有较快的检测速度与精度。

技术领域

本发明涉及目标检测技术领域，具体涉及一种基于点特征的SAR图像目标检测方法及系统。

背景技术

合成孔径雷达(SAR)是一直全天时、全天候获取图像的雷达。在军事和民用上应用广泛。随着图像的智能处理领域的发展，卷积神经网络的功能日益强大，基于卷积神经网络的检测方法在各种目标的检测中具备强大性能。随着SAR图像领域的发展，可以获得了众多的SAR图像，使用卷积神经网络对SAR图像进行解译具有重大价值。

由于在SAR图像中，目标通常呈现出离散化程度高、姿态多变性强的特点，而主流目标检测器都是以检测光学图像为目的设计的，面对SAR图像中目标散射特性强、多变性强的特点，大多数现有检测器都不能适应SAR目标检测，因此无法实现更好的检测性能。

此外，大多数现有算法盲目堆叠网络层数和使用新技术导致算法运算量和参数量庞大。而在实际应用场景中，检测算法通常布置在计算能力有限的边缘设备和移动设备上。因此，运算量和参数量大的算法是无法适应SAR图像目标检测的实际应用场景的。所以在SAR目标测中，减少算法参数量和计算量是极具效率的。

最后，现有SAR图像目标检测算法主要是基于锚框的设计，但是先验锚框的参数设定极其依赖于专家知识，而且基于锚框的算法对SAR中小目标的检测具有局限性。

发明内容

为了解决上述技术问题，本发明提供一种基于点特征的SAR图像目标检测方法及系统。

本发明技术解决方案为：一种基于点特征的SAR图像目标检测方法，包括：

步骤S1：将SAR图像输入特征提取模块，获得不同尺度的特征图；

步骤S2：对所述特征图输入点特征检测网络进行卷积处理，得到处理后的特征图，将所述处理后的特征图通过一个1×1卷积输出点特征；

步骤S3：选取所述点特征中最小和最大的x、y值作为伪检测框左上角和右下角的坐标，将所述点特征转化成伪检测框；

步骤S4：将所述处理后的特征图和所述点特征进行可变形卷积DCNv2运算，将运算结果再通过1×1卷积，输出伪检测框矫正框和目标类别；将所述伪检测框矫正框和所述伪检测框相加后得到最终的预测目标包围框；

步骤S5：基于预测类别损失L_类别、预测目标包围框损失L_包围框和伪检测框损失L_伪检测框构建总损失函数L，用以训练所述点特征检测网络，并通过反向传播进行网络参数更新，重复本步骤，直至所述点特征检测网络性能收敛，保存网络结构与参数，获得训练好的点特征检测网络；

步骤S6：将待检测SAR图像输入训练好的所述训练好的点特征检测网络中，得到目标包围框和目标类别信息作为检测结果。

本发明与现有技术相比，具有以下优点：

1、本发明公开了一种基于点特征的SAR图像目标检测方法，针对SAR目标散射特性强的特点，使用离散点集合对SAR目标进行描述的巧妙设计，提高了SAR目标的检测精度。