一种基于显著图引导的SAR图像目标识别方法

本发明涉及合成孔径雷达目标检测，尤其涉及一种基于显著图引导的sar图像目标识别方法。

背景技术：

1、合成孔径雷达(synthetic aperture radar，简称sar)可以全天时全天候实现对地观测，在城市规划、灾害评估、军事行动中发挥着重要作用。

2、sar图像目标识别是将sar图像的目标切片按照其类别将其划分为对应类别。随着深度学习方法的不断发展，卷积神经网络已广泛应用到图像处理领域。由于sar特殊的成像机理，除特定目标成像外，其背景中存在散斑噪声干扰，给sar图像解译带来了很大挑战。同时，sar图像目标识别中存在目标类内差异大、类间区别小的问题，sar图像目标识别需求不断加深，现有识别精度不能够满足实际需求。

3、因此，亟需一种能够提高目标特征的类内一致性，实现鲁棒性的高精度sar图像目标识别的sar图像目标识别方法。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种基于显著图引导的sar图像目标识别方法。

2、一种基于显著图引导的sar图像目标识别方法，包括以下步骤：根据原始sar图像生成对应的目标显著图，所述目标显著图含有目标关键信息；基于所述目标显著图提取所述原始sar图像中的深层特征和浅层特征，并引导所述深层特征和浅层特征进行融合；利用多层空洞卷积对融合后的图像特征进行细化，得到目标特征，通过全连接层对所述目标特征进行类型识别，得到目标识别结果。

3、在其中一个实施例中，所述根据原始sar图像生成对应的目标显著图，包括：基于语义分割得到所述原始sar图像中含有目标信息的区域，标记目标区域和背景区域；采用形态闭合运算查找目标区域的最大轮廓，作为目标轮廓，并根据所述目标轮廓创建掩码，通过所述掩码从所述原始sar图像中提取得到目标显著图。

4、在其中一个实施例中，所述基于语义分割得到所述原始sar图像中含有目标信息的区域，标记目标区域和背景区域，包括：对所述原始sar图像进行强度直方图的计算，公式为：

5、

6、式中，i表示不同像素强度，ni代表像素值为i的像素数量；

7、对强度直方图进行归一化处理，得到图像的强度累计分布函数，公式为：

8、

9、式中，mn为图像像素总数；基于所述强度累计分布函数确定划分阈值t，公式为：

10、

11、式中，是在阈值t下的类间方差，为：

12、

13、式中，ω1(t)和ω2(t)分割后的目标区域和背景区域的归一化权重，μ1(t)和μ2(t)是分割后目标区域和背景区域的平均灰度值；根据所述划分阈值将原始sar图像转换为二值图像，其中，目标区域被标记为前景，背景区域被标记为背景。

14、在其中一个实施例中，所述采用形态闭合运算查找目标区域的最大轮廓，作为目标轮廓，并根据所述目标轮廓创建掩码，通过所述掩码从所述原始sar图像中提取得到目标显著图，包括：通过膨胀和腐蚀操作的组合对所述二值图像进行形态闭合运算，公式为：

15、bclosed＝(b∪bkernel)∩bkernel

16、式中，∪代表膨胀操作，∩代表腐蚀操作，bkernel是形态学操作的核；采用图像处理技术，查找所述二值图像中的轮廓，将最大轮廓作为目标轮廓，且所述最大轮廓对应图像目标；采用所述目标轮廓创建掩码，所述掩码用于从原始sar图像中提取对应的目标区域，作为目标显著图。

17、在其中一个实施例中，所述基于所述目标显著图提取所述原始sar图像中的深层特征和浅层特征，并引导所述深层特征和浅层特征进行融合，包括：基于所述目标显著图，在所述原始sar图像中提取得到深层特征和浅层特征；记目标显著图为s，浅层特征为fshallow，将所述目标显著图下采样到与浅层特征相同尺寸，得到调整后的显著图s'，即：

18、s'＝down(s)

19、将调整后的显著图与浅层特征逐像素相乘，得到校正后的特征图fs'hallow，即：

20、fs'hallow＝fshallow·s'

21、将浅层特征与调整后的浅层特征逐像素相加，得到最终的浅层特征，即：

22、fshallow-final＝fshallow+fs'hallow

23、采用相同方式得到最终的深层特征，为：

24、fdeep-final＝fdeep+fdeep·(down(s))

25、将最终的浅层特征和最终的深层特征进行融合，得到融合后的图像特征，为：

26、ffusion＝concat(fdeep-final,(down(fshallow-final)))

27、式中，concat(·)指级联操作，即先进行特征下采样再进行特征融合的操作。

28、在其中一个实施例中，所述利用多层空洞卷积对融合后的图像特征进行细化，得到目标特征，通过全连接层对所述目标特征进行类型识别，得到目标识别结果，包括：采用空洞卷积细化融合后的图像特征，并采用1×1卷积细化融合后的图像特征，得到目标特征，表示为：

29、ffinal＝conv1×1[concat(conv-atrous1×1(ffusion),

30、conv-atrous2×2(ffusion),

31、conv-atrous3×3(ffusion))]

32、将目标特征通过全连接层得到目标识别结果，为：

33、c＝fc(ffinal)

34、式中，c代表识别出的目标类别，fc代表全连接层。

35、相比于现有技术，本发明的优点及有益效果在于：通过原始sar图像生成对应的目标显著图，且目标显著图中含有目标关键信息，基于目标显著图提取原始sar图像的深层特征和浅层特征，并引导深层特征和浅层特征进行融合，通过浅层特征能够辅助完善目标切片的上下文信息，且通过目标显著图能够引导网络通过目标的固有结构特征来学习关键特征，提高目标特征的类内一致性；利用多层空洞卷积对融合后的图像特征进行细化，得到目标特征，通过全连接层对目标特征进行类型识别，得到目标识别结果，采用不同膨胀率的卷积获取具有不同感受野的特征，能够有效建模与目标纹理相关的尺寸变化，避免了背景图像中的噪声干扰，能够高效、鲁棒性地实现对目标基本特征的挖掘，提高了sar图像目标识别的精度和效率，以满足sar图像识别的精度需求。

技术特征：

1.一种基于显著图引导的sar图像目标识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于显著图引导的sar图像目标识别方法，其特征在于，所述根据原始sar图像生成对应的目标显著图，包括：

3.根据权利要求2所述的基于显著图引导的sar图像目标识别方法，其特征在于，所述基于语义分割得到所述原始sar图像中含有目标信息的区域，标记目标区域和背景区域，包括：

4.根据权利要求3所述的基于显著图引导的sar图像目标识别方法，其特征在于，所述采用形态闭合运算查找目标区域的最大轮廓，作为目标轮廓，并根据所述目标轮廓创建掩码，通过所述掩码从所述原始sar图像中提取得到目标显著图，包括：

5.根据权利要求1所述的基于显著图引导的sar图像目标识别方法，其特征在于，所述基于所述目标显著图提取所述原始sar图像中的深层特征和浅层特征，并引导所述深层特征和浅层特征进行融合，包括：

6.根据权利要求5所述的基于显著图引导的sar图像目标识别方法，其特征在于，所述利用多层空洞卷积对融合后的图像特征进行细化，得到目标特征，通过全连接层对所述目标特征进行类型识别，得到目标识别结果，包括：

技术总结本发明提供一种基于显著图引导的SAR图像目标识别方法，包括：根据原始SAR图像生成对应的目标显著图，所述目标显著图含有目标关键信息；基于所述目标显著图提取所述原始SAR图像中的深层特征和浅层特征，并引导所述深层特征和浅层特征进行融合；利用多层空洞卷积对融合后的图像特征进行细化，得到目标特征，通过全连接层对所述目标特征进行类型识别，得到目标识别结果。本发明避免了背景图像中的噪声干扰，提高了目标特征的类内一致性，能够高效、鲁棒性地实现对目标基本特征的挖掘，提高了SAR图像目标识别的精度和效率。技术研发人员：李健昊,陈亮,师皓,张平,尹逸斐,徐明受保护的技术使用者：北京理工大学技术研发日：技术公布日：2024/7/29