[发明专利]一种SAR图像中人造小目标的检测方法及系统

说明书

本发明公开了一种SAR图像中人造小目标的检测方法及系统，本发明包括采用多尺度地理空间上下文注意力网络MGCAN来对输入图像获取预测结果，MGCAN包括：特征提取骨干网络，用于提取特征图P1～P3；高效金字塔卷积注意力融合模块，用于进行高效金字塔卷积注意力融合增强多尺度上下文信息以提高不同尺度目标的检测精度，获得特征图C1～C3；并行残差空间注意力模块，用于筛选有效的目标空间信息以提高对有效特征的辨别能力；检测层，用于预测输出带有分数的预测边界框。本发明能够高效地捕获SAR图像中人造小目标的不同姿态，充分提取目标本质特征，实现从高分辨率大场景SAR图像中快速准确的检测到小目标。

技术领域

本发明涉及面向SAR影像的飞机检测技术，具体涉及一种SAR图像中人造小目标的检测方法及系统。

背景技术

合成孔径雷达(synthetic aperture radar,SAR)是一种覆盖范围广的主动式微波成像雷达，具有穿透云雾、全天时和全天候的对地观测能力，这使其成为对地观测系统中不可或缺的重要探测技术。基于大尺度SAR影像复杂背景的小目标的自动检测(如飞机、车辆、舰船、坦克等)军用和民用中都具有重要的应用价值。在战前，对对方阵地高分辨率SAR图像中典型军事目标的检测识别，可深入掌握对方阵地部署情况，为本方战斗部署、调整及作战方案提供重要指导信息；在战斗过程中，可以利用检测识别结果，再结合三维地形图，实现目标的精准精确打击；在战后，可根据检测识别结果，对敌方损失进行评估，进而确定下次战斗计划。此外，对这些SAR图像中小目标(如飞机)的自动检测识别，可及时掌握现场(如机场)情况，为小目标的调度、运行和现场维护提供重要信息。目前随着各种体制SAR系统的快速发展，获取SAR图像的数据越来充足丰富、分辨率越来越高，这些都为舰船、车辆、飞机等SAR图像小目标的检测提供了强大且可靠的数据支持。然而，由于SAR图像相干斑噪声、小目标的多尺度问题、复杂背景干扰等，使得这些小目标检测仍面临着巨大挑战。从大尺度SAR图像中检测人造小目标面临的巨大挑战主要来自于以下几个方面：

1、SAR图像中人造小目标的多尺度差异问题。

在大尺度SAR图像中，由于人造小目标的尺寸差异较大造成在用同一个窗口进行特征提取时目标特征不能同时较好的提取出来的问题，如图1中的(a)图和(b)图中左侧大飞机和右侧两个小飞机，(c)和(d)中最下面的飞机和最上面的飞机都存在尺度差异，尤其是(a)中的大飞机和(c)中的小飞机尺度相差较大。分辨率不同导致同一人造小目标尺寸相差较大，或为了不同用途制造后的尺寸相差较大，如飞机。小目标本身携带的信息较少，其代表性特征容易随着网络的深度增加而被淹没，导致检测率低。

2、SAR图像中人造小目标的姿态变化问题。

在SAR图像中，由于人造小目标的姿态不同，导致接收到的目标散射特性不同，从而使同一个目标在SAR图像中呈现不同的特点，这也为目标检测带来了很大难度。如图2中所示，飞机的停放方向不同，由于SAR侧视成像，获取的飞机电磁散射特性也有很大不同，从而各个不同姿态的飞机在SAR强度图中的呈现的特点差异较大，这也造成飞机特征提取难度加大，易出现漏检的问题。

3、SAR图像中人造小目标的复杂背景干扰严重。

在SAR图像中，背景过于复杂，会给人造小目标检测造成很大影响。如图2中的(b)、(d)、(f)和(h)中，登机桥和舷梯具有强散射，和飞机有类似的散射特性和纹理，易造成虚警；机场中的一些建筑物易在SAR图像中造成强散射形成类似飞机的散射特性，造成虚警，如图3中的(b)的房屋和(d)的体育馆的屋顶等。还有不少停放的或运行中的多个车辆引起的强反射形成了和飞机类似的形状，如图3中的(f)、(g)、(h)、(l)。

4、SAR图像中相干斑噪声的干扰。