SAR图像舰船目标检测方法及装置与流程

本发明涉及计算机视觉，尤其涉及一种sar图像舰船目标检测方法及装置。

背景技术：

1、随着全球数字化信息时代的迅猛发展，遥感技术在军事、民用等多个领域发挥着越来越重要的作用。合成孔径雷达（synthetic aperture radar，sar）作为遥感技术中的一种，以其全天候、全天时的监视能力，在各领域均显示出独特的优势。因此，提高sar图像中的目标检测性能至关重要。

2、近年来，针对sar图像的舰船目标检测问题，学术界和工业界提出了多种解决方案。其中，基于卷积神经网络（convolutional neural networks，cnn）的方法因其在特征自动学习方面的优势，已被广泛研究并应用于自然图像的目标检测任务中。然而，尽管在自然图像的目标检测上表现优异，cnn直接应用于sar图像中的舰船目标检测任务却面临较大挑战。原因在于，sar图像独特的俯拍视角和相干成像特性使得其图像特征和表现形式与自然图像迥异，这些因素都会干扰舰船目标的准确检测。针对sar图像的这些挑战，研究人员已经提出了多种改进方法。

3、然而，在训练cnn时，通常需要通过人工对sar图像样本中舰船目标样本的部件进行手动标注，这不仅会增加标注成本，繁琐耗时且依赖大量人工输入，效率较低，还可能存在标注出错的问题。而且，受限于标注成本和访问限制，客观存在一些小样本，在通过小样本对cnn进行训练时会产生严重的过拟合现象，导致cnn泛化性较差。

技术实现思路

1、本发明提供一种sar图像舰船目标检测方法及装置，用以解决存在的缺陷。

2、本发明提供一种sar图像舰船目标检测方法，包括：

3、获取待检测sar图像；

4、将所述待检测sar图像输入至舰船目标检测模型，得到所述舰船目标检测模型输出的目标检测结果；

5、其中，所述舰船目标检测模型基于带有标注框的sar图像样本进行训练得到；所述标注框包括部件标注框和整体标注框，所述部件标注框应用所述整体标注框基于如下步骤确定：

6、确定所述sar图像样本中舰船目标样本所在的目标区域的高斯热力图，并基于所述高斯热力图，确定所述目标区域的像素协方差矩阵中的最大特征向量，基于所述最大特征向量确定舰船目标样本的主轴方向；

7、基于所述主轴方向、所述整体标注框以及所述高斯热力图中的位置置信度，确定所述部件标注框。

8、根据本发明提供的一种sar图像舰船目标检测方法，所述基于所述主轴方向、所述整体标注框以及所述高斯热力图中的位置置信度，确定所述部件标注框，包括：

9、确定所述整体标注框上与所述主轴方向的锐角夹角小的目标框边，并确定所述目标框边的中点与所述整体标注框的中心点的连线上，对应于所述高斯热力图中位置置信度与预设阈值的差值最小的目标点，以及所述目标点关于所述整体标注框的中心点的对称点；

10、基于所述目标点、所述对称点以及所述整体标注框的顶点，确定所述部件标注框。

11、根据本发明提供的一种sar图像舰船目标检测方法，所述部件标注框包括第一标注框和第二标注框；

12、所述基于所述目标点、所述对称点以及所述整体标注框的顶点，确定所述部件标注框，包括：

13、将所述目标点以及所述对称点分别确定为所述第一标注框和所述第二标注框的一个顶点；

14、基于所述整体标注框的顶点，确定所述第一标注框和所述第二标注框的顶点的对角线点；

15、其中，所述第一标注框的中心点、所述第二标注框的中心点与所述整体标注框的中心点均在一条直线上。

16、根据本发明提供的一种sar图像舰船目标检测方法，所述确定所述sar图像样本中舰船目标样本所在的目标区域的高斯热力图，具体包括：

17、基于所述目标区域中各像素点的灰度值，确定非标准化高斯分布的最大似然参数；

18、将所述非标准化高斯分布进行中心标准化，得到标准化高斯分布；

19、基于所述标准化高斯分布，计算所述目标区域内各像素点的位置置信度，并基于所述目标区域内各像素点的位置置信度，确定所述高斯热力图。

20、根据本发明提供的一种sar图像舰船目标检测方法，所述舰船目标检测模型基于如下步骤训练得到：

21、将所述sar图像样本输入至初始目标检测模型，得到所述初始目标检测模型输出的所述sar图像样本中的候选锚框以及所述候选锚框的预测概率和位置向量；

22、确定所述候选锚框中属于所述舰船目标样本的备选锚框，以及所述备选锚框中的整体锚框和部件类锚框，并基于所述整体锚框与所述部件类锚框之间的位置依赖交并比，以及所述高斯热力图，确定与所述整体锚框匹配的部件锚框；

23、确定所述部件锚框的中心点连线，并计算所述整体锚框的中心点到所述中心点连线的垂直距离，基于所述垂直距离，构建空间位置约束项；

24、基于所述空间位置约束项、分类误差以及定位误差，计算复合损失函数，并基于所述复合损失函数，对所述初始目标检测模型的结构参数进行迭代优化，得到所述舰船目标检测模型；

25、其中，所述分类误差基于所述备选锚框的预测概率确定，所述定位误差基于所述备选锚框的位置向量以及所述标注框的位置向量确定。

26、根据本发明提供的一种sar图像舰船目标检测方法，所述基于所述整体锚框与所述部件类锚框之间的位置依赖交并比，以及所述高斯热力图，确定与所述整体锚框匹配的部件锚框，包括：

27、基于所述位置依赖交并比，对所述部件类锚框进行筛选，得到目标锚框；

28、将所述整体锚框以及所述部件类锚框映射至所述高斯热力图上，并计算所述目标锚框的中心点在所述高斯热力图上的像素值；

29、基于所述目标锚框的中心点在所述高斯热力图上的像素值，对所述目标锚框进行筛选，得到所述部件锚框。

30、根据本发明提供的一种sar图像舰船目标检测方法，所述分类误差基于所述预测概率，应用交叉熵损失函数或focal loss确定；所述定位误差基于所述备选锚框的位置向量以及所述标注框的位置向量，应用平滑l1损失函数确定。

31、本发明还提供一种sar图像舰船目标检测装置，包括：

32、图像获取模块，用于获取待检测sar图像；

33、目标检测模块，用于将所述待检测sar图像输入至舰船目标检测模型，得到所述舰船目标检测模型输出的目标检测结果；

34、其中，所述舰船目标检测模型基于带有标注框的sar图像样本进行训练得到；所述标注框包括部件标注框和整体标注框；

35、还包括部件自动标注模块，用于应用所述整体标注框基于如下步骤确定所述部件标注框：

36、确定所述sar图像样本中舰船目标样本所在的目标区域的高斯热力图，并基于所述高斯热力图，确定所述目标区域的像素协方差矩阵中的最大特征向量，基于所述最大特征向量确定舰船目标样本的主轴方向；

37、基于所述主轴方向、所述整体标注框以及所述高斯热力图中的位置置信度，确定所述部件标注框。

38、本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一种所述的sar图像舰船目标检测方法。

39、本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的sar图像舰船目标检测方法。

40、本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述的sar图像舰船目标检测方法。

41、本发明提供的sar图像舰船目标检测方法及装置，该方法首先获取待检测sar图像；然后将待检测sar图像输入至舰船目标检测模型，得到舰船目标检测模型输出的目标检测结果。该舰船目标检测模型基于带有标注框的sar图像样本进行训练得到，采用的标注框包括部件标注框和整体标注框，相比传统的整体对象标注，提供了更详细的部件信息，有助于提高目标检测的性能。采用的部件标注框应用整体标注框，结合sar图像样本中舰船目标样本所在的目标区域的高斯热力图自动得到，可以减少传统手动标注过程中的人工依赖，使得目标检测过程更为高效和精确，降低标注成本。进而，可以避免模型训练过程中出现的过拟合现象，使训练得到的舰船目标检测模型的泛化性更强。