[发明专利]一种基于CFAR与Fast-RCNN融合的SAR图像舰船目标检测方法

摘要

本发明公开了一种基于CFAR与Fast‑RCNN融合的SAR图像舰船目标检测方法。该方法基于Fast‑RCNN目标检测框架，利用SAR图像中舰船目标亮度高于背景这一显著特征，首先通过CFAR算法获得疑似目标点，然后基于多组结构元素进行形态学滤波得到候选建议框，在缩减候选区域数量提升算法效率的同时还保证了建议框的有效性，克服了采用单一滤波因子组带来的同一目标被分为多个部分，以及相近的目标被误认为同一目标的不足；在提取的候选建议框的基础上完成Fast‑RCNN网络模型的训练，并基于所得模型实现对任意输入图像的目标分类以及标定框回归，通过采用CNN特征提取网络克服了人工特征提取的不足，并提高了数据利用率。

主权项

1.一种基于CFAR与Fast‑RCNN融合的SAR图像舰船目标检测方法，其特征在于，包括如下步骤：(1)候选建议框提取：通过CFAR算法获得原图像的疑似目标点，对疑似目标点进行多结构元素组合的形态学滤波处理，得到候选区域，最后生成候选建议框；(2)Fast‑RCNN网络训练：对步骤(1)中得到的候选建议框进行Fast‑RCNN网络训练，得到Fast‑RCNN网络模型；(3)基于Fast‑RCNN网络模型的目标检测：对任意输入图片采用步骤(1)方法获取候选建议框；同时将其输入步骤(2)训练好的网络模型得到特征图；根据候选建议框到特征图的映射关系，在特征图中找到每个候选建议框对应的特征框，并在RoI池化层中将每个特征框池化到一定尺寸，经全连接层得到特征框的特征向量，再将该特征向量经全连接层，得到softmax的二分类得分输出向量和标定框窗口的修正偏移量输出向量；剔除类别得分低于阈值的舰船检测窗口，并对剩余的舰船检测窗口进行非极大值抑制，剔除重叠建议框，最终得到经回归修正后的舰船检测窗口。