申请/专利权人：安徽大学

申请日：2023-04-11

公开（公告）日：2024-04-23

公开（公告）号：CN116310837B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/40;G06V10/764;G06V10/774;G06V10/82;G06N3/048;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2023.07.11#实质审查的生效;2023.06.23#公开

摘要：本发明公开了一种SAR舰船目标旋转检测方法及系统，涉及SAR图像技术领域，包括以下步骤：提取SAR图像中的待检测目标的浅层特征、深层特征；构建FAM模块并利用其将所提取的浅层特征、深层特征通过语义流的方式进行特征对准相加，构建特征图；利用高斯分布法将特征图中的锚框匹配给SAR图像中的真值框，得到旋转目标；构建的自适应边界增强模块获取旋转目标中的边界增强特征；对边界增强特征进行解耦处理后，利用全连接层预测分类目标，并利用卷积层预测SAR图像中的目标的中心点坐标、长度、角度，实现对SAR图像中的目标进行回归检测。本发明解决了SAR船舶目标检测中小目标、多尺度，以及任意方向造成检测性能较差的问题。

主权项：1.一种SAR舰船目标旋转检测方法，其特征在于，包括以下步骤：获取待检测的SAR图像，并利用ResNet50网络作为骨干网络提取SAR图像中的待检测目标的浅层特征、深层特征；构建FAM模块，其为改进后的FPN网络模块，其将所提取的浅层特征、深层特征进行通道压缩后，再利用双线性插值采样调节特征大小，实现将所提取的浅层特征、深层特征通过语义流的方式进行特征对准相加，并构建特征图；利用所述FAM模块将所提取的浅层特征、深层特征进行通道压缩后，再利用双线性插值采样调节特征大小，实现将所提取的浅层特征、深层特征通过语义流的方式进行特征对准相加，并构建特征图，包括以下步骤：利用两个1×1的卷积，将浅层特征、深层特征压缩至相同的通道数，并利用双线性插值采样调节深层特征的大小，使深层特征与浅层特征大小相同，再利用concate操作将浅层特征、深层特征拼接，通过一个3*3的卷积将拼接后的特征映射到通道数为2的特征，该过程通过下述公式描述：Δl-1＝convlcatFl,Fl-11其中，Fl-1表示骨干网络输出的前级特征；Fl表示骨干输出的前级特征的后一级特征；Δl-1表示浅层特征，cat·表示拼接操作；convl·表示第l级的卷积操作；利用两个linspace函数生成和Δl-1浅层特征分辨率大小相同的变形网格warpedgrid，Δl-1浅层特征每个空间位置上的点pl-1和变形网格warpedgrid通过加法操作被映射到深层特征上的一个点pl；其中warpedgrid和深层特征的偏移量的关系为： 其中，Pl-1表示代表浅层特征上的一个点；Pl表示深层特征上的一个点；根据浅层特征及变形网格warpedgrid，采用可微双线性采样机制确定特征图的大小，当输入的浅层特征的特征大小为N，C，H，W，变形网格warpedgrid的大小为N，H，W，2，则所输出的特征图的大小为N，C，H，W，输出特征图上每一个单元格上的值由变形网格warpedgrid的最后一维x，y确定；利用x，y找到输入特征图上的采样位置，x、y取值范围为[-1，1]，通过w-1*x+12、h-1*y+12将x、y映射为输入特征图的具体坐标位置；将x、y映射到特征图实际坐标后，取该坐标附近四个角点特征值，通过四个特征值坐标与采样点坐标相对关系进行双线性插值，得到采样点的值，其利用数学公式描述为： 其中，Npl表示Fl中的warped点pl的临近点；wp表示变形网格warpedgrid距离估计的双线性核权值；在SAR图像中标注待检测目标的真值框，并以特征图上的每个点映射到图片的中心点为中心生成多尺度水平锚框；将真值框以及各个锚框分别模拟生成高斯分布，分别计算各个锚框的高斯分布与真值框的高斯分布之间的库尔勒贝克莱布勒距离并进行排序，将排名靠前的多个锚框作为正样本匹配给真值框；采用中点平移表示法将多个作为正样本的锚框回归，生成旋转目标Proposal；构建自适应边界增强模块，其包括自适应平均池化、两个卷积层、tanh非线性激活函数、注意力机制；将旋转目标Proposal输入到自适应边界增强模块后得到边界增强特征；对边界增强特征进行解耦处理后，利用全连接层预测分类目标，并利用卷积层预测SAR图像中的目标的中心点坐标、长度、角度，实现对SAR图像中的目标进行回归检测。

全文数据：

权利要求：

百度查询： 安徽大学 一种SAR舰船目标旋转检测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD