买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京理工大学

摘要：本发明公开的基于超分辨金字塔网络和旁瓣抑制的SAR小目标检测方法，属于小尺度目标检测技术领域。本发明实现方法为：构建小尺度SAR图像舰船目标检测数据集；使用ResNet‑50主干网络、FPNNeck网络、CBAM、超分辨特征融合模块和FasterRCNN检测头，搭建SAR小目标检测模型；将多尺度超分辨特征图输入到基于注意力机制的旁瓣抑制模块，在空间维度提取不同方向注意力向量构建二维增强特征图，在通道维度上使用通道注意力模块得到多尺度强化特征图；利用数据集对超分辨金字塔网络和旁瓣抑制网络进行训练；将每批次待预测的SAR图像输入到超分辨金字塔网络和旁瓣抑制网络，输出得到每批次SAR图像的预测结果，提升复杂场景下小目标的检测精度。

主权项：1.基于超分辨金字塔网络和旁瓣抑制的SAR小目标检测方法，其特征在于：包括如下步骤，步骤一：构建小尺度SAR图像的舰船目标检测数据集；采集Sentinel-1干涉宽幅模式IW所生成的SAR卫星图像；SAR卫星图像涵盖用于海上舰船监控的海洋区域；SAR卫星图像提供VV和VH两种双极化格式；使用地理空间数据抽象库GDAL，转换VV和VH两种双极化格式数据为统一的PASCALVOC格式，此过程包括图像的随机旋转、翻转、缩放、亮度调整和去除相干斑噪声；分析SAR图像的采集时间和地点，检索相关的舰船AIS航运信息，以明确舰船在特定区域的可能位置，为后续的标注工作提供先验知识；通过参考GoogleEarth的光学图像，对标签进行错误校正，并裁剪原始图片；结合舰船航运信息和GoogleEarth的图像资料，使用VGGImageAnnotator软件对每个子图像中的舰船进行标注，实现小尺度SAR图像的舰船目标检测数据集的构建；步骤二：构建基于超分辨金字塔网络和旁瓣抑制的SAR小目标检测模型，包括ResNet-50主干网络、FPNNeck网络、CBAM、超分辨特征融合模块和FasterRCNN检测头；SAR图像分批次输入到ResNet-50主干网络，通过卷积操作、池化操作，提取SAR图像的高层次语义特征，提高在复杂的背景中识别和定位小目标的检测精度；将主干网络的浅层特征图C0和其他多尺度特征图一起送入超分辨金字塔网络；将FPN中的上采样模块替换成超分辨特征融合模块实现上采样操作，将上一级的超分辨特征图Pi,i∈2，n与本级的主干网络特征图Cj,j∈1，n一起送入超分辨特征融合模块，得到本级的超分辨特征图Pi-1，融合不同层次的特征图，提高对小目标特征的捕获能力；将超分辨金字塔网络生成的多尺度超分辨特征图P1-Pn按通道维度级联，使用CBAM融合不同语义层次特征图，关注不同特征图中的重要区域，进一步强化对SAR图像中小目标的关注，得到融合特征图Pc；将浅层特征C0和融合特征图Pc送入超分辨特征融合模块，得到超分辨融合特征图P0；其中，超分辨特征融合模块，输入任意一级的ResNet-50主干网络特征图及上一级的超分辨特征图，将超分辨特征图作为主输入特征图，ResNet-50主干网络特征图作为参考特征图；将主输入特征图提取特征进行亚像素卷积，实现主输入特征图与参考特征图的维度对齐，进而实现主输入特征图与参考特征图级联、特征提取，输出超分辨融合特征图；通过超分辨金字塔网络将不同尺度的特征有效地融合，尤其是在SAR图像的上采样过程中，能够保留更多的小目标细节，提高小目标检测的准确度和分辨率；步骤三，基于注意力机制的旁瓣抑制模块，将超分辨金字塔网络生成的多尺度超分辨特征图及超分辨融合特征图输入到基于注意力机制的旁瓣抑制模块中，以抑制目标周围的旁瓣噪声；旁瓣抑制模块包含空间注意力和通道注意力两部分，在空间维度，分别在水平X和垂直Y方向进行平均池化和最大池化，提取目标主体信息和目标显著信息，强化复杂背景下小目标的特征表示，将两种信息相除得到特征强化参数并与目标主体特征相乘得到有向强化参数向量，将不同方向的强化参数向量相乘得到二维增强特征图，更全面地表征目标特征，增强对小目标的检测能力；在通道维度上，将二维增强特征图和原始特征图相级联，让通道注意力网络自动学习通道重要性，得到多尺度强化特征图，进一步提高对小目标特征的识别能力；步骤四，利用PAFPN的特征融合网络，将超分辨扩展特征金字塔网络和旁瓣抑制模块的多尺度特征图进行由浅至深、由顶至底的双向跨层级特征融合，实现浅层位置特征与深层语义特征对齐，输出舰船目标辨识特征更加准确的多尺度目标融合特征图；步骤五：对构建的基于超分辨金字塔网络和旁瓣抑制的SAR小目标检测模型，配置模型训练所需参数，设置学习率、批处理大小、权值初始化方式、优化方法、迭代次数；使用步骤一中构造的训练数据集，训练用于SAR图像小目标检测的超分辨金字塔网络和旁瓣抑制网络模型；步骤六，将每批次待预测的SAR图像输入到超分辨金字塔网络和旁瓣抑制网络模型，使用FasterR-CNN的目标检测头预测舰船目标，按照舰船特征调整锚框大小，将多尺度超分辨特征图进行提取，输出目标检测分类图和目标框置信度回归图，得到每批次SAR图像的预测结果，即基于超分辨金字塔网络和旁瓣抑制实现SAR小目标检测。

全文数据：

权利要求：

百度查询： 北京理工大学 基于超分辨金字塔网络和旁瓣抑制的SAR小目标检测方法