一种背景与尺度感知的SAR舰船目标检测方法与流程

技术特征：
1.一种背景与尺度感知的sar舰船目标检测方法，其特征在于，该方法适用于合成孔径雷达，所述方法包括：步骤1，根据预设空洞卷积扩张率和预设卷积核大小，组成多组并行的背景特征提取模块，任一组背景特征提取模块的输入端连接于金字塔型卷积神经网络的第一层卷积层，所述背景特征提取模块的输出端与所述金字塔卷积神经网络的输出端串接，以生成初始检测模型；步骤2，根据待识别舰船目标的边界框和锚定框，确定初始检测模型的尺度感知损失函数，并基于尺度感知损失函数与多尺度图像集，对初始检测模型进行迭代训练，确定训练好的检测模型；步骤3，利用所述训练好的检测模型，检测sar图像中的舰船。2.如权利要求1所述的背景与尺度感知的sar舰船目标检测方法，其特征在于，所述步骤2中，根据待识别舰船目标的边界框和锚定框，确定所述初始检测模型的尺度感知损失函数，具体包括：步骤201，通过计算真值框与锚定框的重叠率确定正负样本；步骤202，对预测框参数和真值框参数进行参数转换；步骤203，根据待识别舰船目标在sar图像上的尺寸，计算目标在损失函数中的权重；步骤204，结合选择参数，确定尺度感知损失函数，其中，所述选择参数的取值由所述边界框与所述锚定框的重叠率确定。3.如权利要求2所述的背景与尺度感知的sar舰船目标检测方法，其特征在于，所述选择参数包括第一选择参数和第二选择参数，所述选择参数取值的确定方法，具体包括：判断所述边界框与所述锚定框之间的重叠率是否为最大值，若是，将所述第一选择参数的取值设定为1，否则，将所述第一选择参数的取值设定为0；判断所述边界框与所述锚定框之间的重叠率是否小于重叠阈值且所述第一选择参数的取值为1，若是，将所述第二选择参数的取值设定为1，否则，将所述第二选择参数的取值设定为0。4.如权利要求2所述的背景与尺度感知的sar舰船目标检测方法，其特征在于，所述选择参数包括第一选择参数和第二选择参数，所述尺度感知损失函数的计算公式为：
式中，l为所述尺度感知损失函数，i是所述锚定框的序号，m是所述锚定框的数量，j是sar图像中所述待识别舰船目标的序号，n是sar图像中所述待识别舰船目标的数量，为所述第一选择参数，为所述第二选择参数，σ()为所述坐标值转换函数，为第i个锚定框的x坐标，为第i个锚定框的y坐标，为第i个锚定框中经过坐标值转换的x坐标，为第i个锚定框中经过坐标值转换的y坐标，为第j个边界框中经过参数值转换的x轴坐标，为第j个边界框中经过参数值转换的y轴坐标，为第i个锚定框中的宽度参数，为第j个边界框中经过参数值转换的宽度参数，为第i个锚定框中的高度参数，为第j个边界框中经过参数值转换的高度参数，为第i个锚定框中的置信度参数，p
j
为第j个待识别舰船目标的权重。5.如权利要求4所述的背景与尺度感知的sar舰船目标检测方法，其特征在于，所述待识别舰船目标的权重的计算公式：式中，p
j
为权重，w
j
为待识别舰船目标在sar图像上的宽度参数，h
j
为待识别舰船目标在sar图像上的高度参数，w为sar图像的宽度参数，h为sar图像的高度参数，j为待识别舰船目标的边界框的标号。6.如权利要求1所述的背景与尺度感知的sar舰船目标检测方法，其特征在于，所述多尺度图像集中包括多张图像尺寸一致的样本图像和尺寸参数集，所述尺寸参数集中设置有多个图像尺寸，所述步骤2中，基于所述尺度感知损失函数与多尺度图像集，对所述初始检测模型进行迭代训练，具体包括：步骤211，在每一次迭代训练中，随机在所述尺寸参数集中抽取任一图像尺寸，并根据抽取出的图像尺寸，在原始sar图像上随机位置处按照抽取的图像尺寸进行裁剪，得到所述样本图像；步骤212，将裁剪后的所述样本图像缩放至预设图像尺寸；步骤213，根据预设的批大小(batch size)，迭代上述步骤，得到一批次训练图像；步骤214，基于所述尺度感知损失函数与所述一批次训练图像，采用迭代训练方法，对所述初始检测模型进行训练。7.如权利要求1所述的背景与尺度感知的sar舰船目标检测方法，其特征在于，初始检测模型中包含至少三个背景特征提取模块，每个所述背景特征提取模块由至少三路空洞卷积通道组成，每路所述空洞卷积通道包含卷积核大小为1
×
9和9
×
1的两个卷积层，所述至少三路空洞卷积通道的扩张率分别为1、5、9，所述至少三路空洞卷积的输出先相互串接后再与各自对应的金字塔型卷积神经网络卷积特征串接。

技术总结
本申请公开了一种背景与尺度感知的SAR舰船目标检测方法，该方法包括：根据预设空洞卷积扩张率和预设卷积核大小，组成多组并行的背景特征提取模块，任一组背景特征提取模块的输入端连接于金字塔型卷积神经网络的第一层卷积层，背景特征提取模块的输出端与金字塔卷积神经网络的输出端串接，以生成初始检测模型；根据待识别舰船目标的边界框和锚定框，确定初始检测模型的尺度感知损失函数，并基于尺度感知损失函数与多尺度图像集，对初始检测模型进行迭代训练，确定训练好的检测模型；利用训练好的检测模型，检测SAR图像中的舰船。通过本申请中的技术方案，充分利用背景信息，有效降低了SAR图像监测的虚警率，提升了SAR图像中小目标的检测率。标的检测率。标的检测率。


技术研发人员：郭杰 庄龙 李品 林幼权
受保护的技术使用者：中国电子科技集团公司第十四研究所
技术研发日：2021.08.04
技术公布日：2021/11/8