[发明专利]基于上下文信息的SAR图像目标检测方法

权利要求书

1.一种基于上下文信息的SAR图像目标检测方法，其特征在于，包含如下：

(1)生成SAR图像训练数据集与验证集，并对训练数据进行数据扩充：

1a)对原始SAR图像数据集中的原始大图进行裁剪，获得若干SAR图像子图并对其进行标记，从标记后的子图中选取一部分构成网络的训练数据集，剩余部分作为验证集；

1b)对训练数据集分别通过加躁、滤波、翻转、旋转这四种方式进行数据处理，并将各方式处理之后的新数据与原始数据进行组合，得到扩充后的训练数据集；

(2)构建基于上下文信息的SAR图像目标检测网络：

2a)建立由循环神经网络中的由4个双向GRU、2个卷积层和1个激活函数层构成的上下文信息融合模块，用以学习特征图像素之间所蕴含的相互关系，实现融合目标与周围环境之间的上下文信息；其中构成上下文信息融合模块的4个双向GRU、2个卷积层和1个激活函数层的结构关系为：第一双向GRU网络与第二双向GRU网络并联后，再与第一卷积层级联，构成该模块的第一部分；第三双向GRU网络与第四双向GRU网络并联后、再依次与第二卷积层以及激活函数层进行级联，构成该模块的第二部分，该第二部分再与第一部分级联；

所述4个双向GRU网络的隐藏单元维度均为512维，时间步设置为动态读取；

所述卷积层由512个1x1的卷积构成，卷积层步长为1，填充方式为与输入大小一致；

所述激活函数层为ReLU激活层；

2b)将图像输入模块、特征提取模块、上下文信息融合模块、候选区域生成模块及检测模块依次进行级联，并将上下信息融合模块的输出也输入检测模块中，构成基于上下文信息的目标检测网络；

(3)对基于上下文信息的SAR图像目标检测网络进行训练：

3a)将扩充后的训练数据输入到基于上下文信息的SAR图像目标检测网络中，计算网络的输出损失；

3b)设定最大迭代次数，采用动量Momentum随机梯度下降法根据输出损失对目标检测网络参数进行优化，降低网络的输出损失，当训练次数达到设置的迭代次数后，训练完毕；

(4)使用训练完成的目标检测网络对SAR图像进行测试：

4a)将大场景的SAR测试图像通过滑窗截取，得到若干测试子图并记录子图在大图上的位置；

4b)将测试子图输入到训练后的目标检测网络中，得到各子图上的目标检测结果，根据子图位置将子图上的检测结果映射回测试大图中，经非极大值抑制NMS去除重复检测结果，得到最终的测试结果。

2.根据权利要求1所述的方法，其特征在于，1a)中对原始SAR图像数据集中原始大图进行裁剪与标记，是指将原始SAR图像数据集I＝{I_i|1≤i≤s}中的原始大场景SAR图像裁剪成大小为300×300子图片，每个子图中至少要包含一个目标类，且每个目标类中至少包含一个目标，并对目标边框和类别进行标注，其中，I_i为原始SAR图像，s为SAR图像数据集中的图片数量。

3.根据权利要求1所述的方法，其特征在于，1b)中对训练数据分别通过加躁、滤波、旋转、翻转四种方式进行数据扩充，其加躁方式采用高斯噪声加躁与椒盐噪声加躁；滤波方式采用中值滤波、高斯滤波、均值滤波三种滤波方式；旋转进行三个角度的旋转，分别为90°、180°、270°；翻转方式采用水平翻转；对水平翻转后图片再进行90°、180°、270°三个角度的旋转。