[发明专利]一种面向SAR图像的飞机目标自动检测方法及系统

权利要求书

1.一种面向SAR图像的飞机目标自动检测方法，其特征在于，包括：

1)针对机场SAR图像进行机场检测，得到机场掩膜和机场矩形轮廓；

2)针对机场SAR图像的机场矩形轮廓进行飞机检测，得到无掩膜的飞机检测结果；

3)针对无掩膜的飞机检测结果使用机场掩膜去除虚警，得到最终的飞机检测结果。

2.根据权利要求1所述的面向SAR图像的飞机目标自动检测方法，其特征在于，步骤1)包括：针对机场SAR图像首先进行下采样，然后使用卷积神经网络CNN提取机场区域，再将提取得到的机场区域通过坐标映射和上采样得到机场SAR图像的机场掩膜，最后根据机场掩膜得到机场的矩形轮廓。

3.根据权利要求1所述的面向SAR图像的飞机目标自动检测方法，其特征在于，步骤2)包括：

2.1)针对机场SAR图像的机场矩形轮廓，使用高效加权特征融合与注意力网络EWFAN以滑窗的方式进行飞机检测，得到初步的飞机检测结果；

2.2)使用坐标映射，将滑窗的每个窗口中飞机目标的坐标转换成它在原机场SAR图像中的坐标，得到原机场SAR图像的初步飞机检测结果；

2.3)过滤重叠框，得到无掩膜的飞机检测结果。

4.根据权利要求3所述的面向SAR图像的飞机目标自动检测方法，其特征在于，所述高效加权特征融合与注意力网络EWFAN包括：

主干网络和下采样网络，用于提取机场SAR图像的机场矩形轮廓的五层特征图；

加权特征融合与空间注意模块，用于提取五层特征图得到五层有效特征层；

分类回归网络，用于在五层有效特征层中的每一个有效特征层的每一个网格上生成多个尺寸和长宽比不同的框，然后对每一个有效特征层中的先验框进行分类与回归来预测结果。

5.根据权利要求4所述的面向SAR图像的飞机目标自动检测方法，其特征在于，所述加权特征融合与空间注意模块包括：

加权双向特征金字塔网络BIFPN，包括从下往上的五层，第1层P3层将输入的特征图P3与第2～5层自上而下的融合特征图融合后输出特征图P3′，第2层P4层将输入的特征图P4与第3～5层自上而下的融合特征图融合、再与特征图P3′融合输出特征图P4′，第3层P5层将输入的特征图P5与第4～5层自上而下的融合特征图融合后、再与特征图P5、特征图P4′融合输出特征图P5′，第4层P6层将输入的特征图P6与第5层的特征图P7再融合后、再与特征图P6、特征图P5′融合输出特征图P6′，第6层P7层将输入的特征图P7与特征图P6′融合输出特征图P7′，且加权双向特征金字塔网络BIFPN中移除了只有一个输入来源的点；

自适应有效的特征融合模块ASFF，包括ASFF-1模块、ASFF-2模块和ASFF-3模块，其中ASFF-1模块对应加权双向特征金字塔网络BIFPN的P5层，ASFF-2模块对应加权双向特征金字塔网络BIFPN的P4层，ASFF-3模块对应加权双向特征金字塔网络BIFPN的P3层，且ASFF-1模块、ASFF-2模块和ASFF-3模块分别将第1～3层输入的特征图作为输出；ASFF-1模块、ASFF-2模块和ASFF-3模块中任意第i个模块ASFF-i的处理步骤包括：(1)将输入的第1～3层输入的特征图调整尺寸为相同大小；(2)将调整后的三张特征图分别进行1×1卷积操作将通道数由原来的64降维到16，然后再将三张特征图拼接在一起，得到一个通道数为48的特征层；(3)将通道数为48的特征层进行1×1卷积操作将通道数降维到3，最后通过softmax激活函数以归一化，得到最终的权重α³，β³和γ³，将权重α³，β³和γ³分别与调整尺寸为相同大小的特征图相乘再相加，就得到了新的融合特征ASFF-i。

剩余空间注意模块RSAM，与加权双向特征金字塔网络BIFPN的第4、5层一一对应，用于在通道维度上对特征图分别进行平均池化和最大池化操作，由原来的一层通道数为64的特征图变为两张通道数为1的中间特征图，再将这两个结果做连接操作，然后经过一个卷积操作，将通道数降维到1维，接下来经过sigmoid函数进行归一化，得到空间注意力特征权重，然后将空间注意力特征权重与输入相乘，再进行跳跃连接，最后使用激活函数relu激活得到最终的结果。