[发明专利]融合统计显著性的高分辨率SAR影像车辆目标检测方法

权利要求书

1.一种融合统计显著性的高分辨率SAR影像车辆目标检测方法，其特征在于：包括以下步骤，

步骤1，读入高分辨率单极化SAR影像；

步骤2，根据车辆目标中车体区域和阴影区域的成像特性，利用有向均值差滤波器提取影像中具有显著统计特征的区域，包括通过有向均值差滤波器，利用局部灰度均值与上、下、左、右四个相邻局部区域的灰度均值之差刻画局部区域的统计显著性，生成四幅统计特征显著性图；

步骤3，原始SAR数据与统计特征显著性图融合，以用于采用深度神经网络框架对高分辨率单极化SAR影像中的车辆目标进行检测，通过融合特征有利于目标检测模型将注意力放在具有显著统计特征的区域；

步骤4，训练目标检测模型，包括选择训练样本，以根据步骤3所得融合特征作为输入，训练并获得车辆目标检测的模型；所述目标检测模型是改进的YOLOv3模型，改进方式为在网络输入端提取原始SAR影像与有向均值差滤波结果，并进行特征融合；

步骤5，车辆目标检测，包括利用步骤4中训练好的目标检测模型，在待检测的高分辨率单极化SAR影像中进行车辆目标检测；

步骤2中，有向均值差滤波器利用局部灰度均值与上、下、左、右四个相邻局部区域的灰度均值之差刻画局部区域的统计显著性，定义如下，

其中，OMDF_U(X(p,q))、OMDF_D(X(p,q))、OMDF_L(X(p,q))、OMDF_R(X(p,q))分别为上(U)、下(D)、左(L)、右(R)四个方向的有向均值差滤波器；

ws为滤波器窗长，为奇数；hw＝(ws+1)/2，为半窗长；

(p,q)为滤波器当前窗口中心像素的位置，i,j为滤波器窗内像素位置的横纵坐标索引变量，X为输入影像，X(p,q)为输入影像在中心点为(p,q)处的像素值，X(i,j)为输入影像在(i,j)处的像素值。

2.根据权利要求1所述融合统计显著性的高分辨率SAR影像车辆目标检测方法，其特征在于：所述深度神经网络框架包括2个模块，每个模块由1个卷积层、1个批归一化层、1个LeakyReLu层组成；

步骤3中，将输入的原始SAR影像和步骤2中提取的四个方向的统计特征显著性图OMDF_U,OMDF_D,OMDF_L,OMDF_R尺寸缩放，以适应目标检测网络的输入，然后将原始图像和四幅统计特征显著性图按通道连结，得到输入图；输入图通过深度神经网络框架后，获得特征图作为所提取的融合特征图。

3.根据权利要求1或2所述融合统计显著性的高分辨率SAR影像车辆目标检测方法，其特征在于：步骤4中，以最小化目标框损失、置信度损失和类别损失为优化目标，通过反向传播算法优化网络参数，实现训练并获得车辆目标检测的模型。