[发明专利]基于旋转域特征与CNN的极化SAR图像舰船检测方法

权利要求书

1.一种基于旋转域特征与深度CNN的极化SAR图像舰船检测方法，包括训练阶段和检测阶段，CNN是指卷积神经网络，SAR是指合成孔径雷达，其特征在于，两个阶段均利用下述方法提取得到极化SAR图像的5个检测特征图：

基于相干斑滤波处理后的极化SAR图像，设其大小为I×J像素，位置坐标为(i,j)的像素对应的极化相干矩阵为j＝1,2,…,J；对于位置坐标为(i,j)的像素，使用下式计算振荡中心参数B^(ij)_T₂₂和B^(ij)_|T₂₃|²，并作为检测特征：

其中，Re[·]和Im[·]分别表示取复数的实部和虚部；另外，选取极化相干矩阵T^(ij)中的3个主对角元素和作为检测特征；

则对于极化SAR图像，上述5个检测特征各自对应的检测特征图在归一化后分别记为B_T₂₂、B_|T₂₃|²、T₁₁、T₂₂和T₃₃；

以上述5个检测特征图作为特征提取的结果进行训练和检测；

训练和检测两个阶段均利用下述方法构建的深度CNN，该深度CNN形成的检测器具体共有12层，依次为第一卷积层Conv1、修正线性单元层ReLU、第一最大池化层MaxPooling1、第二卷积层Conv2、修正线性单元层ReLU、第二最大池化层MaxPooling2、第三卷积层Conv3、修正线性单元层ReLU、第一全连接层FC1、修正线性单元层ReLU、第二全连接层FC2和一个Softmax分类器，该结构的输入尺寸为24×24×d，即输入第一卷积层Conv1的各检测特征图大小均为24×24，而d表示所用检测特征图的个数，下表表示深度CNN的细节：

上表中的细节即深度CNN的相关参数。

2.根据权利要求1所述的基于旋转域特征与深度CNN的极化SAR图像舰船检测方法，其特征在于，

在训练阶段：

构建深度CNN作为检测器；

在相干斑滤波处理之后，将只包含单一目标并且目标类别已知的极化SAR图像作为训练样本，提取训练样本相应的5个检测特征图，再将所有训练样本各自的5个检测特征图以及对应的目标类别均输入至之前构建的检测器之中，以对检测器进行训练；

在检测阶段：

基于相干斑滤波后待检测的极化SAR图像，提取5个检测特征图，并将5个检测特征图作为训练好的检测器的输入，经过检测处理，检测器输出待检测的极化SAR图像之中是否包含舰船目标，如果其中包含舰船目标，则同时输出各舰船目标在该待检测极化SAR图像中的具体位置。

3.根据权利要求2所述的基于旋转域特征与深度CNN的极化SAR图像舰船检测方法，其特征在于，对相干斑滤波后待检测的极化SAR图像先进行海陆分割，只对上述图像中的非陆地部分进行检测阶段的步骤处理。