[发明专利]基于CNN和选择性注意机制的SAR图像目标检测方法

摘要

本发明公开了一种基于CNN和选择性注意机制的SAR图像目标检测方法，获取SAR图像；扩充训练数据集；构建卷积神经网络组成的分类模型；使用扩充后的训练数据集训练分类模型；将测试图片利用图像视觉显著的简单注意模型(谱残差方法)进行显著性检测，得到显著图；对显著性特征图进行形态学处理，对处理后的特征图进行连通域标记，以每个连通域的质心为中心，提取与各个质心对应的目标候选区，将各个目标候选区在其周围若干个像素点内平移，产生多个目标候选区；本发明将卷积神经网络与选择性注意机制结合应用到SAR图像目标检测中，提高了SAR图像目标检测的检测效率和准确率，可用于目标分类与识别，主要解决现有技术检测效率慢、准确率低的问题。

主权项

基于CNN和选择性注意机制的SAR图像目标检测方法，其特征在于，包括以下步骤：1)从MSTAR数据集和SAR场景图中获取训练样本集；2)对步骤1)中的训练样本集进行扩充，得到新训练样本集；3)构建分类网络模型，选择一个由卷积层→池化层→卷积层→池化层→卷积层→池化层→卷积层→池化层→卷积层→全连接层→softmax分类器组成的卷积神经网络实现提取SAR图像特征及分类；4)利用步骤2)得到的新训练样本集对步骤3)中构建的分类网络模型进行训练，得到训练好的模型；5)用图像视觉显著注意模型对待检测SAR场景图进行显著性检测，得到显著特征图；6)对步骤5)得到的显著特征图进行形态学处理后，进行连通域标记，确定每个连通域的质心为中心，提取与各个质心对应的目标候选区，将各个目标候选区在其周围若干像素点内平移，扩充每个目标候选区的待判断数量；7)利用步骤4)中训练好的模型对步骤6)中的目标候选区进行分类，将每个目标候选区周围多个候选区域中判断为目标的检测数量与阈值对比，大于阈值，则为目标，所有目标对比完成后得到SAR场景图中的目标定位框；8)将步骤7)中的目标定位框用非极大值抑制的方法去除多余的框，选出分类得分最大的定位框并在SAR场景图进行标记，得到测试图像的目标检测结果。