[发明专利]基于FCN图像序列模型的SAR视频目标检测方法

说明书

本发明公开了一种基于全卷积神经网络FCN图像序列模型的合成孔径雷达SAR视频目标检测方法，主要解决现有技术中检测准确率较低以及目标检测过程复杂繁琐的问题。本发明的具体步骤如下：(1)搭建全卷积神经网络FCN；(2)选取训练样本和测试样本；(3)训练全卷积神经网络FCN模型；(4)计算测试样本中机动车辆目标的几何中心；(5)根据所有测试样本中机动车辆目标的几何中心计算最终的检测结果。本发明能够充分利用了合成孔径雷达SAR视频的信息，提高了对合成孔径雷达SAR视频中机动车辆目标的检测准确率，并且提高了目标检测的效率。

技术领域

本发明属于图像处理技术领域，更进一步涉及目标检测图像技术领域中的一种基于全卷积神经网络FCN(Fully Convolutional Networks)图像序列模型的合成孔径雷达SAR(Synthetic Aperture Radar)视频目标检测方法。本发明可用于从高分辨率机载合成孔径雷达SAR获取的道路信息视频中，实时检测公路上运动和静止的机动车辆包括货车、客车等地物目标。

背景技术

合成孔径雷达SAR图像在国防和民用方面起着不可替代的作用，由于与其它遥感成像系统和光学成像系统相比有很多差异，因此研究针对该类图像的特点的处理算法尤为重要。合成孔径雷达SAR图像中的目标检测是计算机视觉和图像处理等技术在合成孔径雷达SAR领域的重要应用和基本问题之一。随着合成孔径雷达SAR在成像技术方面的不断发展和进步，合成孔径雷达SAR视频系统应运而生，它能以每秒5帧以上的帧率获得高分辨率合成孔径雷达SAR图像，相应的应用范围和需求也在不断增加。美国桑迪国家实验室通过机载合成孔径雷达SAR平台飞过一个高速公路收费站以持续关注该地区的场景信息，获取了高分辨率机载合成孔径雷达SAR视频数据。对于高分辨率机载合成孔径雷达SAR视频目标检测的研究是非常有价值的，公路上的机动车辆目标的检测对于国防军事和生产生活实际都有着重要意义，例如对高速公路上行驶的机动车辆的监视，对交通运输的管理，以及对某些非法走私等违法犯罪活动的控制等。

中国科学院长春光学精密机械与物理研究所在其申请的专利文献“一种航拍视频的运动目标检测方法”(专利申请号：201711365258.1，公开号：108109163A)中公开了一种航拍视频的运动目标检测方法。该方法首先对输入视频序列进行图像匹配，得到背景补偿后的差分图像；然后对背景补偿后的差分图像进行能量累加，得到累加差分图像；再对累加差分图像进行形态学开运算处理，去除噪声并捕捉大致目标区域；最后进行边缘检测求得目标图像的边缘，并对目标区域进行标注。虽然该方法通过对输入视频序列进行图像匹配，提高了目标检测的精度，但是，该方法仍然存在的不足之处是，使用了背景补偿、去噪等繁琐的预处理过程，需要大量的时间进行运算，使得测试过程十分耗时，无法实现实时检测。