买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西北工业大学

摘要：本发明公开了一种基于Group‑G0模型的合成孔径雷达图像舰船检测方法，获取多个训练用的包含舰船类目标的SAR图像；其中，SAR图像中每个舰船均被标记了标记框；通过包含舰船类目标的SAR图像训练SAR舰船检测网络；获取待检测SAR图像，并使用SAR舰船检测网络提取待检测SAR图像的特征图；依次使用RPN网络和FastRCNN网络对特征图进行检测，得到带有舰船检测框的SAR图像；本发明通过标记了标记框的包含舰船类目标的SAR图像对SAR舰船检测网络进行训练，并且分别结合模型分支和检测分支的检测结果对SAR舰船检测网络的网络参数进行联合优化，关注区域级信息和像素级信息的特征关联关系，仅需要较少的训练样本即可完成优化，可以提升舰船检测的召回率，减少漏检的发生。

主权项：1.一种基于Group-G0模型的合成孔径雷达图像舰船检测方法，其特征在于，包括以下步骤：获取多个训练用的包含舰船类目标的SAR图像；其中，所述SAR图像中每个舰船均被标记了标记框；通过包含舰船类目标的所述SAR图像训练SAR舰船检测网络；获取待检测SAR图像，并使用所述SAR舰船检测网络提取所述待检测SAR图像的特征图；依次使用RPN网络和FastRCNN网络对所述特征图进行检测，得到带有舰船检测框的SAR图像；通过包含舰船类目标的所述SAR图像训练SAR舰船检测网络包括：通过SAR舰船检测网络对包含舰船类目标的所述SAR图像进行多尺度特征提取，得到特征图；依次使用RPN网络和FastRCNN网络对所述特征图进行分类和回归；根据分类和回归结果，结合第二损失函数对SAR舰船检测网络的参数进行优化，得到训练好的SAR舰船检测网络；得到特征图后还包括：采用由卷积神经网络构成的编码器生成与所述SAR图像大小相同的隐变量特征图；对所述隐变量特征图进行二值化，生成舰船类掩码图和非舰船类掩码图；将所述舰船类掩码图和非舰船类掩码图分别与所述SAR图像相乘后，输入到由卷积神经网络组成的解码器；通过所述解码器对相乘后的图像进行解码，得到每个像素点的G0分布参数值；基于分类和回归结果、第二损失函数、所述G0分布参数值及第一损失函数对SAR舰船检测网络进行交替优化，得到训练好的SAR舰船检测网络；所述第一损失函数为： 其中，xi为SAR图像中某一像素点；zk为像素点xi对应的类别隐变量，取值范围为{0，1}，z1＝1且z20时，表示像素点xi为非舰船类像素点，z1＝0且z1＝1时，表示像素点xi为舰船类像素点；Nk为SAR图像中两类像素点的样本个数，N1为SAR图像中舰船类像素点个数，N2为SAR图像中非舰船类像素点个数，αi表示形状参数，γi表示尺度参数，Γ表示Gamma函数。

全文数据：

权利要求：

百度查询： 西北工业大学 一种基于Group-G0模型的合成孔径雷达图像舰船检测方法