[发明专利]一种SAR动目标检测方法、装置和存储介质

说明书

本发明提供了一种SAR动目标检测方法、装置和存储介质，属于微波遥感技术领域，包括：获取双通道SAR复图像；对双通道SAR复图像进行预处理获取数据集；利用复数域残差密集块搭建深度复数域卷积神经网络；将数据集中的双通道SAR复图像块输入到深度复数域卷积神经网络，获取运动目标图像，所述深度复数域卷积神经网络包括：运动目标特征提取模块，用于利用复数域残差密集块RDB提取所述数据集中SAR复图像块的特征图；特征融合模块，对所述SAR复图像块的特征图进行特征融合；运动目标图像生成模块，用于根据特征融合后的所述SAR复图像块生成SAR运动目标预测图像。本发明将普通卷积神经网络扩展到复数域，检测性能高。

技术领域

本发明属于微波遥感技术领域，具体涉及一种基于复数域卷积神经网络的SAR动目标检测方法、装置和存储介质。

背景技术

合成孔径雷达(Synthetic Aperture Radar，简称SAR)是一种高分辨成像雷达，具有全天时、全天候、远距离的特点，能够提供丰富的地表电磁散射特性信息。SAR系统在其固有成像基础上实现动目标检测(Ground Moving Target Indication，简称GMTI)，即利用信号处理技术在对静止场景成像的同时实现对地面运动目标的检测。然而，运动目标通常被淹没在地杂波中，难以实现检测。同时，由于SAR成像算法通常是针对静止场景，受运动参数影响，运动目标存在方位向位移和散焦问题，使得检测更加困难。

单通道SAR-GMTI系统由于平台运动导致地杂波频谱展宽，使得慢速运动目标淹没其中而难以检测；多通道SAR动目标检测通过增加空间上的维数实现空、时两域联合处理，从而克服单通道系统在运动目标检测中的不足。传统多通道方法主要针对存在径向速度的运动目标，无法检测对于只有切向速度的目标，且存在盲速目标。DPCA和ATI方法均需要两通道具有较高的配准精度。STAP用于多天线通道系统，该方法需要满足独立同分布的训练样本实现协方差矩阵的估计，但在实际环境中由于各种非理想因素影响，待检测单元周围样本难以满足上述条件。因此，亟待突破传统杂波抑制方法提出适合复杂杂波环境下的动目标检测方法。

近年来，随着深度学习的不断发展，深度学习理论被越来越多应用于SAR图像处理领域，比如SAR图像地物分类、相干斑噪声抑制等，且获得较好效果。然而，很多应用只利用了SAR图像的幅度信息，忽略了相位信息。

发明内容

本发明为解决传统动目标检测方法在复杂杂波环境下对慢速运动目标及只有切向速度的运动目标检测困难的问题，将深度学习理论应用到双通道SAR复图像中，提出一种复数域卷积神经网络的SAR动目标检测方法、装置和存储介质。

为了实现上述目的，本发明提供如下技术方案：

一种SAR动目标检测方法，包括：

获取双通道SAR复图像；

对双通道SAR复图像进行预处理获取数据集；

利用复数域残差密集块搭建深度复数域卷积神经网络；

将数据集中的双通道SAR复图像块输入到深度复数域卷积神经网络，获取运动目标图像；

所述深度复数域卷积神经网络包括：

运动目标特征提取模块，用于利用复数域残差密集块RDB提取所述数据集中双通道SAR复图像块的特征图；

特征融合模块，用于对所述SAR复图像块的特征图进行特征融合；

运动目标图像生成模块，用于根据特征融合后的所述SAR复图像块生成SAR运动目标预测图像。

优选地，所述对双通道SAR复图像进行预处理具体为对图像进行图像切割和幅度归一化处理，包括以下步骤：