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：南京航空航天大学

摘要：本发明公开了一种基于注意力特征融合的稀疏SAR舰船目标检测方法及装置，基于AMP算法将预先获取的SAR图像重构为稀疏SAR图像；构建基于改进FasterR‑CNN的目标检测网络；特征提取网络采用宽残差网络WRN，提取稀疏SAR舰船图像不同尺度的特征图；将提取的不同尺度的特征图输入基于注意力机制的特征金字塔结构，实现不同尺度特征图的特征融合；区域生成网络用于生成候选目标框，候选目标框被认为包含感兴趣的对象；将融合后的特征图输入到ROIAlign层，提高回归精度；将稀疏SAR图像作为改进FasterR‑CNN目标检测网络的输入进行训练，得到目标的检测结果。本发明提高了对弱小目标的检测能力，实现了目标检测精度的进一步提升。

主权项：1.一种基于注意力特征融合的稀疏SAR舰船目标检测方法，其特征在于，包括如下步骤：1基于AMP算法将预先获取的SAR图像重构为稀疏SAR图像；2构建基于改进FasterR-CNN的目标检测网络；所述目标检测网络包括特征提取网络、基于注意力机制的特征金字塔、ROIAlign池化层和区域生成网络RPN；3特征提取网络采用宽残差网络WRN，提取稀疏SAR舰船图像不同尺度的特征图；4将步骤3提取的不同尺度的特征图输入基于注意力机制的特征金字塔结构，实现不同尺度特征图的特征融合；5区域生成网络用于生成候选目标框，候选目标框被认为包含感兴趣的对象；6将步骤5融合后的特征图输入到ROIAlign层，提高回归精度；7将步骤1的稀疏SAR图像作为改进FasterR-CNN目标检测网络的输入进行训练，得到目标的检测结果；所述步骤1通过计算输入图像与稀疏重构图像之间的残值，进行软阈值迭代减小输入图像与稀疏重构图像之间的残值，对图像进行稀疏重建，实现过程如下：11第i+1步更新残值为：Vi+1＝Y-AXi+1+bi+1Vi-1其中，Y表示输入的测量值，即SAR舰船图像，表示测量矩阵，Xi+1表示重建的稀疏估计，初始值X0＝0，残值初始值V-1＝0，i＝1,2,…,Imax表示迭代步数，bi+1Vi∈RM×1表示昂萨格校正项，可加速AMP的收敛，12第i+1步的稀疏估计值Xi+1表示为：Xi+1＝ηXi+AHVi；λt其中，阈值收缩函数[ηr；λ]j＝sgnrjmax{|rj|-λ,0}，去噪阈值α表示调优参数；13第i+1步的迭代误差为： 当迭代误差满足条件Residualε时，结束循环，输出场景的稀疏重建结果X为：X＝Xi+1否则i＝i+1，继续执行步骤11至13；ε表示重建误差参数，稀疏重建结果X是重构得到的稀疏SAR图像。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于注意力特征融合的稀疏SAR舰船目标检测方法及装置