[发明专利]用于船舶识别的层次化的大场景SAR图像目标快速检测方法

权利要求书

1.一种用于船舶识别的层次化的大场景SAR图像目标快速检测方法，大场景SAR图像目标快速检测分为高效的感兴趣区域提取和高精度目标检测两个阶段，其特征在于：

步骤1、完成感兴趣区域的目标提取，即对大场景SAR图像以固定比例α下采样，然后再对图像切片，切片大小根据图像宽高设置，通过一个分类器判定切片是否包含待检测目标，并以α比例映射回大场景SAR图像获取感兴趣区域索引；

步骤2、对感兴趣区域索引处的高分辨图像切片进行目标精细检测；采用改进的特征金字塔网络方法提取目标多个尺度的特征并融合，从而检测尺度大小不一致的目标；

步骤2.1、基于无描点目标检测框架，对目标物体框中的所有点进行边界框预测，以中心点到物体框的左边距、上边距、右边距、下边距之间的距离(l，t，r，b)以及目标方向角θ进行回归；

步骤2.2、利用特征金字塔网络FPN进行图像多尺度特征融合和预测；

步骤2.3、完成目标边界框中心度回归，并抑制低质量的检测框；

步骤2.4、完成检测器网络训练。

2.根据权利要求1所示的一种用于船舶识别的层次化的大场景SAR图像目标快速检测方法，其特征在于，步骤2.1中：

直接在特征图上的每一点进行回归操作，对目标物体框中的所有点进行边界框预测，以中心点到物体框的左边距、上边距、右边距和下边距之间的距离(l，t，r，b)进行回归，

假设(x₀，y₀)和(x₁，y₁）分别表示目标物体框的左上角和右下角的坐标值，对于目标框中任意一点(，y)则有，

其中，l^*，t^*，r^*和b^*分别表示目标框中任意一点(，y)与目标边界框左上角(x₀，y₀)和右下角(x₁，y₁)之间的偏移量。

3.根据权利要求1所示的一种用于船舶识别的层次化的大场景SAR图像目标快速检测方法，其特征在于，步骤2.2中：

特征金字塔网络PFN结构主要包括自底向上和自顶向下两个过程，自底向上过程利用卷积、池化对输入图像进行逐级的特征抽象，形成一个分辨率递减、维度递增的降采样特征金字塔{C₂,C₃,C₄,C₅}。自顶向下过程则以自底向上的每一个特征层{C₂,C₃,C₄,C₅}进行上采样，并与下一级特征层通过横向连接的方式进行融合，形成与自底向上特征金字塔逐级对应的特征图{P₂,P₃,P₄,P₅,P₆,P₇}。

4.根据权利要求1所示的一种用于船舶识别的层次化的大场景SAR图像目标快速检测方法，其特征在于，步骤2.4中：

网络训练采用多任务方式进行训练，训练损失函数由L_cls和L_reg两部分组成，即L_cls为网络模型分类损失，L_reg表示坐标回归损失，使用IOU损失，公式定义为，

其中，L(·)表示总的损失函数，p_x，_y位置(,y)处预测的目标类别概率，为对应的目标类别真值，t_x，_y＝(l,t,r,b)为在(,y)处预测的中心点偏移量，为对应的中心点偏移量真值，为指示函数，λ为损失函数权重系数，N_pos为正样本个数。