[发明专利]一种目标识别方法、装置、设备及存储介质

说明书

本公开提供了一种目标识别方法、装置、设备及存储介质，方法包括：获取指定图片，指定图片中包含目标图像；根据指定图像，确定与目标图像对应的姿态角信息；根据姿态角，确定与姿态角信息对应的姿态角模型；将指定图像输入姿态角模型，获得与目标图像对应的目标信息，能够基于姿态角信息获取姿态角模型，以对指定图像进行处理，获得目标信息，提高指定图像的识别率。

技术领域

本公开涉及机载雷达识别领域，尤其涉及一种目标识别方法、装置、设备及存储介质。

背景技术

机载及星载合成孔径雷达(Synthetic Aperture Radar，SAR)能够在各种气候条件下昼夜工作，并产生高分辨率图像，广泛用于各类重点场景监视。深度卷积神经网络已经被用于SAR图像目标的识别，并且利用卷积神经网络在SAR 图像目标检测中获得了较好的检测效果，但都未考虑SAR姿态角这一重要目标识别影响因素。在传统的目标识别算法中有考虑到不同姿态角下的SAR图像目标的形态各不相同，利用SAR目标的姿态角信息来提高目标识别性能。然而，最近基于深度学习的SAR-ATR算法往往利用了目标的强度信息，在SAR目标识别研究中并没有考虑到SAR目标姿态角信息的关键问题，导致识别目标的准确率不高。

发明内容

本公开提供了一种目标识别方法、装置、设备及存储介质，以至少解决现有技术中存在的以上技术问题。

根据本公开的第一方面，提供了一种目标识别方法，所述方法包括：获取指定图片，所述指定图片中包含目标图像；根据所述指定图像，确定与所述目标图像对应的姿态角信息；根据所述姿态角，确定与所述姿态角信息对应的姿态角模型；将所述指定图像输入所述姿态角模型，获得与目标图像对应的目标信息。

在一可实施方式中，根据所述指定图像，确定与所述目标图像对应的姿态角信息，包括：对所述指定图像进行切割，获得指定尺寸的第一图像；对所述第一图像进行降噪处理，获得与第一图像对应的第二图像；对所述第二图像进行对比度增强，获得与第二图像对应的第三图像；基于所述第三图像，获得与第三图像对应的姿态角信息。

在一可实施方式中，根据所述姿态角，确定与所述姿态角信息对应的姿态角模型，包括：获取与机载及星载合成孔径雷达对应的第一训练数据；基于姿态角，划分出指定数量的姿态角区间，所述指定数量大于等于2；根据所述姿态角区间，将所述第一训练数据划分为指定数量的第二训练数据；根据所述第二训练数据，训练获得指定数量的姿态角子模型；融合所述姿态角子模型，获得姿态角模型。

在一可实施方式中，根据所述第二训练数据，训练获得指定数量的姿态角子模型，包括：将所述第二训练数据等分，获得第三训练数据，第三训练数据至少为两组；根据所述第三训练数据，训练获得待选子模型；获取测试样本，根据所述测试样本对所述待选子模型进行测试，获得与待测子模型对应的准确率信息；将所述准确率信息最高的待选子模型确定为姿态角子模型。

在一可实施方式中，所述第一训练数据包括，用于表征第一俯仰角的第四训练数据，和/或，用于表征第二俯仰角的第五训练数据，其中，第一俯仰角和第二俯仰角的角度不同。

根据本公开的第二方面，提供了一种目标识别装置，所述装置包括：获取模块，用于获取指定图片，所述指定图片中包含目标图像；确定模块，用于根据所述指定图像，确定与所述目标图像对应的姿态角信息；确定模块，还用于根据所述姿态角，确定与所述姿态角信息对应的姿态角模型；输入模块，用于将所述指定图像输入所述姿态角模型，获得与目标图像对应的目标信息。

在一可实施方式中，所述确定模块，还用于对所述指定图像进行切割，获得指定尺寸的第一图像；对所述第一图像进行降噪处理，获得与第一图像对应的第二图像；对所述第二图像进行对比度增强，获得与第二图像对应的第三图像；基于所述第三图像，获得与第三图像对应的姿态角信息。