[发明专利]基于视频合成孔径雷达的动目标智能联合检测方法

权利要求书

1.一种视频合成孔径雷达的动目标智能联合检测方法，其特征在于，包括如下：

(1)将视频合成孔径雷达原始回波信号划分为T个子孔径，每个子孔径包含N个脉冲，获取每个子孔径的高分辨视频合成孔径雷达图像以及对应的低分辨距离多普勒谱，得到训练集Θ；

(2)构建用于提供高分辨视频合成孔径雷达图像候选区的神经网络Ψ_I：

(2a)建立高分辨视频合成孔径雷达图像深度特征提取子网络Γ_I；

(2b)建立图像区域建议子网络Ω_I；

(2c)将步骤(2a)和(2b)建立的两个子网络依次连接，组合成提供图像候选区的神经网络Ψ_I；

(3)构建用于提供低分辨距离多普勒谱候选区的神经网络Ψ_D：

(3a)建立低分辨距离多普勒谱深度特征提取子网络Γ_D；

(3b)建立距离多普勒谱区域建议子网络Ω_D；

(3c)将步骤(3a)和(3b)建立的两个子网络依次连接，组合成提供距离多普勒谱候选区的神经网络Ψ_D；

(4)将步骤(2)和(3)中神经网络提供的候选区，通过坐标变换分别映射到距离多普勒谱和图像中，得到在高分辨视频合成孔径雷达图像和低分辨距离多普勒谱中成对存在的候选区P_I和P_D，实现如下：

4a)设图像区域建议子网络Ω_I产生的第i个候选区γ_i和距离多普勒谱区域建议子网络Ω_D产生的第j个候选区η_j可以表示为：

其中，为高分辨视频合成孔径雷达图像上第i个候选区的左上角坐标，为右下角坐标，为低分辨距离多普勒谱第j个候选区的左上角坐标，为右下角坐标；所有在高分辨视频合成孔径雷达图像上的候选区集合记为Λ_I＝{γ_i,i＝1,...,α}，所有在低分辨距离多普勒谱上的候选区集合记为Λ_D＝{η_j,j＝1,...,α}，α为候选区个数，取128到256之间的整数；

4b)计算候选区γ_i的纵坐标与候选区集合Λ_D中的所有候选区的纵坐标之差，假设γ_i与Λ_D中第m个候选区的纵坐标之差最小，通过下式求解m的值：

4c)将候选区集合Λ_I中的候选区γ_i变换到距离多普勒谱中，表示为：

其中，分别为Λ_D中第m个候选区的左上角和右下角横坐标；

4d)重复步骤4b)和4c)，遍历候选区集合Λ_I中的所有候选区，将位于高分辨视频合成孔径雷达图像上的候选区变换到低分辨距离多普勒谱中,最终低分辨距离多普勒谱中的候选区集合表示为：

P_D＝{γ′₁…γ′_α η₁…η_α}；

4e)计算候选区η_j的纵坐标与候选区集合Λ_I中的所有候选区的纵坐标之差，假设η_j与Λ_I中第n个候选区的纵坐标之差最小，通过下式求解n的值：

4f)将候选区集合Λ_D中的候选区η_j变换到图像中，表示为：

其中，分别为Λ_I中第n个候选区的左上角和右下角横坐标；

4g)重复步骤4e)和4f)，遍历候选区集合Λ_D中的所有候选区，将位于低分辨距离多普勒谱上的候选区变换到高分辨视频合成孔径雷达图像中，得到最终高分辨视频合成孔径雷达图像中的候选区集合P_I为：

P_I＝{γ₁…γ_α η′₁…η′_α}；

(5)构建图像阴影检测的子神经网络Δ_I：

(5a)建立一个感兴趣区域池化层P_oolI，该池化层的输入为步骤(2)得到的高分辨视频合成孔径雷达图像的深度特征图及步骤(4)得到的成对候选区P_I，输出为固定维度的特征数据；

(5b)将固定维度的特征数据经过两个神经元个数均为4096的全连接层后，再由两个神经元个数分别为β和4β的全连接层做阴影目标分类和检测，形成图像阴影检测的子神经网络，其中β为目标总类别数；

(6)构建目标多普勒能量检测的子神经网络Δ_D：

(6a)建立一个感兴趣区域池化层P_oolD，该池化层的输入为步骤(3)得到的低分辨距离多普勒谱的深度特征图及步骤(4)得到的成对候选区P_D，输出为固定维度的特征数据；

(6b)将固定维度的特征数据经过两个神经元个数均为4096的全连接层后，再由两个神经元个数分别为β和4β的全连接层做目标多普勒分类和检测，形成目标多普勒能量检测的子神经网络；

(7)将神经网络Ψ_I、Ψ_D、Δ_I和Δ_D按照输入输出关系进行组合，得到完整的联合检测网络，实现如下：

7a)将步骤(2)构建的神经网络Ψ_I与步骤(5)构建的神经网络Δ_I进行串联，组合为图像检测网络；

7b)将步骤(3)构建的神经网络Ψ_D与步骤(6)构建的神经网络进行Δ_D串联，组合为距离多普勒谱检测网络；

7c)将图像检测网络与距离多普勒谱检测网络进行并联，得到完整的联合检测网络；

(8)利用训练集Θ，采用后向传播算法对联合检测网络进行训练，得到训练好的网络；

(9)将待测试数据输入到训练好的网络中，得到成对候选区及其目标分类得分，再根据目标分类得分对得到的成对候选区做筛选得到动目标检测结果。