[发明专利]一种基于CFAR与Fast-RCNN融合的SAR图像舰船目标检测方法

权利要求书

1.一种基于CFAR与Fast-RCNN融合的SAR图像舰船目标检测方法，其特征在于，包括如下步骤：

(1)候选建议框提取：通过CFAR算法获得原图像的疑似目标点，对疑似目标点进行多结构元素组合的形态学滤波处理，得到候选区域，最后生成候选建议框；

(2)Fast-RCNN网络训练：对步骤(1)中得到的候选建议框进行Fast-RCNN网络训练，得到Fast-RCNN网络模型；其中Fast-RCNN网络训练步骤包括：

S1：计算训练集中每张原图像的真实舰船标定框与所得候选建议框的IOU值，若IOU值大于0.5将对应的建议框标定为舰船，若IOU值小于0.3则标记为背景；

S2：采用mini-batch策略，进行模型训练；其中，本实施方式中mini-batch设置为128，50％来自于标记为舰船的目标建议框，50％来自于标记为背景的背景建议框；

S3：训练Fast-RCNN网络，其中Fast-RCNN网络训练的最后一层的结果包含类别信息和修正信息，采用多任务损失函数，一个是softmax损失函数，一个是位置的Smooth L1损失函数；

(3)基于Fast-RCNN网络模型的目标检测：对任意输入图片采用步骤(1)方法获取候选建议框；同时将其输入步骤(2)训练好的网络模型得到特征图；根据候选建议框到特征图的映射关系，在特征图中找到每个候选建议框对应的特征框，并在RoI池化层中将每个特征框池化到一定尺寸，经全连接层得到特征框的特征向量，再将该特征向量经全连接层，得到softmax的二分类得分输出向量和标定框窗口的修正偏移量输出向量；剔除类别得分低于阈值的舰船检测窗口，并对剩余的舰船检测窗口进行非极大值抑制，剔除重叠建议框，最终得到经回归修正后的舰船检测窗口。

2.根据权利要求1所述的SAR图像舰船目标检测方法，其特征在于，所述步骤(1)中，首先将＜5m的高分辨率图像采样到5m的低分辨率；然后采用滑动窗口的方法，逐像素进行CFAR目标检测，其中，所述滑动窗口包含有目标窗口、保护窗口和背景窗口，若目标窗口像素的亮度均值大于K倍的背景窗口均值，则认为该窗口对应的中心点为疑似目标点，并置为1，否则置为0；将疑似目标点映射到原始输入大小的图像上，得到与输入图像对应的疑似目标二值图。

3.根据权利要求2所述的SAR图像舰船目标检测方法，其特征在于，所述目标窗口的尺寸设置为5m低分辨率条件下小船尺寸大小；所述保护窗口的大小设置为5m低分辨率条件下2倍的大船尺寸。

4.根据权利要求2或3所述的SAR图像舰船目标检测方法，其特征在于，所述步骤(1)中多结构元素组合的形态学滤波处理方法如下：首先对所得的疑似目标二值图进行多尺度的膨胀操作，然后再进行不同尺度的腐蚀操作，最后通过8联通标记得到候选区域；在输入源图上，根据映射关系计算每一候选区域的左上点和右下点，得到对应的候选建议框。

5.根据权利要求1所述的SAR图像舰船目标检测方法，其特征在于，所述步骤(3)中，所述特征图为将待输入图片输入到已经训练好的Fast-RCNN网络进行特征提取，得到特征图。

6.根据权利要求5所述的SAR图像舰船目标检测方法，其特征在于，所述步骤(3)中，在RoI池化层中将每个特征框池化到7×7大小。

7.根据权利要求5所述的SAR图像舰船目标检测方法，其特征在于，所述步骤(3)中，所述剔除类别得分低于所述阈值为0.5的舰船检测窗口。