[发明专利]基于深度学习的在线SAR目标检测方法

摘要

本发明公开了一种基于深度学习的在线SAR目标检测方法，主要解决现有技术在复杂SAR场景下检测性能低的问题，其实现方案为：1.从MiniSAR数据集中获取训练样本切片；2.通过随机平移对训练样本切片进行扩充，用扩充后的训练样本训练基于端到端实时检测模型YOLO；3.对待测SAR图像进行双参数恒虚警CFAR检测得到待检测切片；4.用训练好的模型对各个待检测切片进行检测，将检测结果合并到原图得到SAR图像检测结果；5.用在线更新的SAR图像和样本库中的核心集Coreset对模型不断更新，提升模型的检测性能。本发明提升了在复杂SAR场景下对目标的检测性能，可用于灾害检测、环境检测以及资源勘查。

主权项

基于深度学习的在线SAR目标检测方法，包括：(1)获取SAR图像样本：(1A)从微小合成孔径雷达MiniSAR数据集中随机选取100张SAR图像，其中20张作为初始训练SAR图像，60张作为在线更新时的SAR图像，20张作为测试SAR图像；(1B)从每张训练SAR图像中获取样本切片，并对样本切片中SAR目标的坐标信息和类别信息进行标注，将所有获取到的SAR目标样本切片组成训练样本集；(2)扩充训练样本集：对训练样本集中每个SAR目标切片中的待识别目标区域进行多次的随机平移，并用每次平移后的训练样本切片和原始训练样本切片组成扩充后的训练样本集，再将所有的训练样本集放在一起组成训练样本库；(3)训练端到端实时检测模型YOLO：(3A)设置一个由三层卷积层和两层全连接层构成的网络结构；并用扩充后的训练样本对由该网络结构构成的端到端实时检测模型YOLO进行训练，得到训练好的网络模型；(4)SAR图像的测试：(4A)对待测SAR图像进行双参数恒虚警检测，以双参数恒虚警检测结果中各个目标质心为中心，提取对应的检测切片；(4B)用端到端实时检测模型YOLO对各个检测切片进行目标检测，得到各个切片的目标检测结果；(4C)对各个切片的目标检测结果，按照其在原始SAR图像的相对位置进行合并，得到待测SAR图像的目标检测结果；(5)在线学习：(5A)对于在线更新的SAR图像，每次更新时获取其中的10～30张作为新的训练SAR图像，重复步骤(1B)和步骤(2)，得到扩充后的样本；(5B)将步骤3训练好的模型作为初始模型，用该初始模型的参数初始化端到端实时检测模型YOLO；(5C)采用核心集方法从训练样本库中挑选m个样本作为核心集Coreset，m的范围为600～1200；再用扩充后的样本与核心集Coreset重新训练端到端实时检测模型YOLO，得到更新后的端到端实时检测模型YOLO，重复步骤(4)用该更新后的端到端实时检测模型YOLO对SAR图像进行检测；(5D)重复步骤(5A)～(5C)，直到在线更新的SAR图像全部更新完。