一种sar图像舰船目标的精确定位与特征提取方法
技术领域
1.本发明属于图像技术领域，具体涉及一种目标探测技术。
背景技术：
2.《scale-transferrable pyramid network for multi-scale ship detection in sar images》公开了一种基于尺度转换金字塔网络模型的sar图像舰船检测算法，用于多尺度sar舰船目标检测。模型提出尺度转换网络层，通过横向连接和稠密连接，将卷积特征从上至下连接起来。稠密尺度转换连接提升并融合不同分辨率的特征，充分利用卷积特征不同通道内的特征信息，在多尺度sar舰船目标检测有良好的表现。
3.星载sar成像幅宽很宽，分辨率不够高，导致海面舰船的sar图像区域有限，降低舰船目标识别精度。
4.《joint convolutional neural network for small-scale ship classification in sar images》公开了一种卷积神经网络，将生成器网络和分类网络相结合，解决小尺度sar舰船目标分类问题。生成器网络学习将低分辨率舰船图像转换为高分辨率舰船图像的映射函数，分类网络将生成的高分辨率舰船图像输入分类，联合损失优化策略对模型训练优化，提升模型的分类精度。
5.针对舰船检测框，传统的卷积神经网络模型没有专门的设计，导致检测框为正向的矩形框。只能估计舰船的大概位置，很难检测舰船的轮廓与方位，不能提取舰船的几何、形状、边缘和散射的特征信息。
技术实现要素：
6.本发明为了解决现有技术存在的问题，提出了一种sar图像舰船目标的精确定位与特征提取方法，为了实现上述目的，本发明采用了以下技术方案。
7.增强图像，去除噪声，用多尺度otsu阈值分割方法，分割并提取sar图像舰船目标，经滤波与形态学操作，获得完整的舰船目标区域，减少背景地物弱反射产生的虚警区域，分别计算舰船的几何特征、形状特征、边缘特征和散射特征。
8.进一步的，用图像灰度直方图均衡化，提升sar图像的亮度与对比度，增强图像的细节纹理信息。
9.进一步的，用基于nsct的自适应去噪算法，预处理sar图像，去除相干斑噪声，保留图像的细节纹理信息。
10.进一步的，用全局otsu阈值分割方法，二值分割sar图像，前景像素值设为1，背景像素值设为0，提取分割结果中的连通性区域，得到前景的连通区域和背景连通区域，将小于面积阈值的前景区域修改为背景区域，去除海面杂波的影响，经形态学膨胀操作，获得完整的舰船目标区域。
11.进一步的，基于舰船目标的形状和尺寸，设计针对小目标的网络结构，用空洞卷积模块扩大感受野，用resnet50作为基础特征提取网络，提取不同尺寸的舰船目标的多尺度
特征，预测回归舰船目标的类别、坐标框和置信度。
12.本发明的有益效果：获得舰船目标的最小外接矩形，提取舰船的方位与尺寸信息，获得舰船的精确位置与轮廓信息，准确估计舰船的几何特征、形状特征、边缘特征和散射特征，更加精确的检测与识别舰船目标。
附图说明
13.图1是方法流程图。
具体实施方式
14.以下结合附图对本发明的技术方案做具体的说明。
15.本方法对图像的处理流程如图1所示：
16.通过图像灰度直方图均衡化提升sar图像亮度及对比度，利用基于nsct的自适应去噪算法对sar图像的斑点噪声进行消除，较大限度地保留图像边缘信息。
17.在sar图像预处理的基础上，采用基于深层卷积神经网络模型，引入空洞卷积模块扩大感受野，实现对sar图像舰船目标的初步检测。
18.在舰船初步检测基础上，基于多尺度otsu阈值分割方法对sar图像进行分割，获得舰船目标的最小外接矩形，基于轮廓估计方法进一步提取舰船的位置与方位信息。
19.在此基础上，采用多层特征融合方法分别计算舰船的几何特征、形状特征、边缘特征以及散射特征等，从而实现对舰船目标更加精确的检测与识别。
20.上述作为本发明的实施例，并不限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均包含在本发明的保护范围之内。
技术特征：
1.一种sar图像舰船目标的精确定位与特征提取方法，其特征在于，包括：增强图像，去除噪声，用多尺度otsu阈值分割方法，分割并提取sar图像舰船目标，经滤波与形态学膨胀操作，获得完整的舰船目标区域，减少背景地物弱反射产生的虚警区域，分别计算舰船的几何特征、形状特征、边缘特征和散射特征。2.根据权利要求1所述的sar图像舰船目标的精确定位与特征提取方法，其特征在于，所述增强图像，包括：用图像灰度直方图均衡化，提升sar图像的亮度与对比度，增强图像的细节纹理信息。3.根据权利要求1所述的sar图像舰船目标的精确定位与特征提取方法，其特征在于，所述去除噪声，包括：用基于nsct的自适应去噪算法，预处理sar图像，去除相干斑噪声，保留图像的细节纹理信息。4.根据权利要求1所述的sar图像舰船目标的精确定位与特征提取方法，其特征在于，所述分割并提取sar图像舰船目标，包括：用全局otsu阈值分割方法，二值分割sar图像，前景像素值设为1，背景像素值设为0，提取分割结果中的连通性区域，得到前景的连通区域和背景连通区域，将小于面积阈值的前景区域修改为背景区域，去除海面杂波的影响。5.根据权利要求1所述的sar图像舰船目标的精确定位与特征提取方法，其特征在于，所述计算舰船的几何特征、形状特征、边缘特征和散射特征，包括：基于舰船目标的形状和尺寸，设计针对小目标的网络结构，用空洞卷积模块扩大感受野，用resnet50作为基础特征提取网络，提取不同尺寸的舰船目标的多尺度特征，预测回归舰船目标的类别、坐标框和置信度。
技术总结
本发明公开了一种SAR图像舰船目标的精确定位与特征提取方法，用图像灰度直方图均衡化增强图像，用基于NSCT的自适应去噪算法去除噪声，用多尺度OTSU阈值分割方法，去除海面杂波的影响，经滤波与形态学操作，获得完整的舰船目标区域，减少背景地物弱反射产生的虚警区域，设计针对小目标的网络结构，分别计算舰船的几何特征、形状特征、边缘特征和散射特征，更加精确的检测与识别舰船目标。加精确的检测与识别舰船目标。加精确的检测与识别舰船目标。
技术研发人员：谢聪 郝明 郭杰
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：2022.02.17
技术公布日：2022/6/1
再多了解一些
本文用于企业家、创业者技术爱好者查询，结果仅供参考。
