[发明专利]基于旋转域特征与CNN的极化SAR图像舰船检测方法

摘要

本发明提供一种基于旋转域特征与深度CNN的极化SAR图像舰船检测方法。技术方案是：分为训练与检测两个阶段。对于训练阶段，针对各训练样本中的每一个像素，以旋转域特征中优选的2个振荡中心参数和极化相干矩阵中的3个主对角元素作为检测特征，并构建训练样本全图相应的5个检测特征图；对于检测阶段，将待检测极化SAR图像相应的归一化的检测特征图输入训练好的深度CNN检测器中，通过变尺寸滑窗的方式对其中非陆地区域所对应的部分进行遍历，得到待检测极化SAR图像的舰船检测结果。本发明检测性能好，实现方便。

主权项

1.一种基于旋转域特征与深度CNN的极化SAR图像舰船检测方法，包括训练阶段和检测阶段，CNN是指卷积神经网络，SAR是指合成孔径雷达，其特征在于，两个阶段均利用下述方法提取得到极化SAR图像的5个检测特征图：基于相干斑滤波处理后的极化SAR图像，设其大小为I×J像素，位置坐标为(i,j)的像素对应的极化相干矩阵为i＝1,2,…,I，j＝1,2,…,J；对于位置坐标为(i,j)的像素，使用下式计算振荡中心参数B^(ij)_T₂₂和B^(ij)_|T₂₃|²，并作为检测特征：其中，Re[·]和Im[·]分别表示取复数的实部和虚部；另外，选取极化相干矩阵T^(ij)中的3个主对角元素和作为检测特征；则对于极化SAR图像，上述5个检测特征各自对应的检测特征图在归一化后分别记为B_T22、B_|T23|2、T11、T22和T33；以上述5个检测特征图作为特征提取的结果进行训练和检测。