(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210558289.3 (22)申请日 2022.05.20 (71)申请人 浙江圣海亚诺信息技 术有限责任公 司 地址 313000 浙江省湖州市吴兴区高新区 外溪路88号湖州中小微 企业智能制造 产业园一期6号楼401室 (72)发明人 李凡　高鹏东　齐全　裘初　 (74)专利代理 机构 成都宏田知识产权代理事务 所(普通合伙) 51337 专利代理师 钟隆辉 (51)Int.Cl. G06V 20/13(2022.01) G06V 10/44(2022.01) G06V 10/772(2022.01)G06V 10/774(2022.01) G06V 10/82(2022.01) G06T 3/40(2006.01) (54)发明名称 一种基于深度学习的高分辨率图像中极小 目标的识别方法 (57)摘要 本发明涉及一种基于深度学习的高分辨率 图像中极小目标的识别方法， 通过步骤一到步骤 七的逐步分解和训练， 通过多种算法优化叠加， 构建深度学习网络模型， 采用训练集对构建深度 学习网络模型进行训练， 并进行程序 自主学习， 使图像处理系统可以在高分辨率图像中有效识 别极小目标， 有效提高对极小目标的识别 能力， 提升工作效率和图片利用率。 权利要求书2页 说明书4页 CN 114863295 A 2022.08.05 CN 114863295 A 1.一种基于深度学习的高分辨 率图像中极小目标的识别方法， 其特 征在于， 包括： 步骤一： 根据退化模型模糊和N倍下采样， 处理第一分辨率图像形成第二分辨率图像， 使其放大； 步骤二： 获取SA R图像的高分辨率图像HR和低分辨率图像LR， 构成LR ‑HR图像对， 构建训 练集和测试集； 步骤三： 通过步骤二获得的训练集和测试集， 训练所述第一分辨率图像和所述第二分 辨率图像形成图像学习字典； 步骤四： 分别对高分辨 率图像HR和低分辨 率图像LR进行图像学习字典分解； 步骤五： 构建深度学习网络模型， 采用训练集对构建深度学习网络模型进行训练， 包 括： 将LR‑HR卡通图像对输入深度学习网络模型的卡通图像处理网络进行训练， 将LR ‑HR纹 理图像对输入深度学习网络模型 的纹理图像处理网络进行训练， 调整模型参数， 直至深度 学习网络模型收敛， 得到训练完成后的深度学习网络模型； 步骤六： 利用边 缘提取算法， 根据所述第二分辨 率图像确定图像信息量固定阈值； 步骤七： 将待处理的SAR图像输入训练后的深度学习网络模型， 从而识别图片中极小目 标。 2.根据权利要求1所述的一种基于深度学习的高分辨率图像中极小目标的识别方法， 其特征在于， 所述步骤三中， 训练所述第一分辨率图像和所述第二分辨率图像形成图像学 习字典， 包括： 根据特征提取算法提取图像特征， 获得第 一分辨率图像特征信 息和第二分辨率图像特 征信息； 根据K‑SVD算法， 对所述第一分辨率 图像特征信息和所述第二分辨率 图像特征信息进 行训练以获得第一图像学习字典和第二图像学习字典。 3.根据权利要求1所述的一种基于深度学习的高分辨率图像中极小目标的识别方法， 其特征在于， 所述步骤五 中， 获取模块， 其被配置为： 获取SAR图像的高分辨率图像HR和低分 辨率图像LR， 构成LR ‑HR图像对， 构建训练集和 测试集； 卡通纹理分解模块， 其被配置为： 分别对高分辨率图像HR和低分辨率图像LR进行卡通 纹理分解； 模型构建与训练模块， 其被配置为： 构建深度 学习网络模型， 采用训练集对构建深度 学 习网络模 型进行训练， 包括： 将L R‑HR卡通图像对输入深度学习网络模型的卡通图像处理网 络进行训练， 将L R‑HR纹理图像对输入深度学习网络模型的纹理图像处理网络进 行训练， 调 整模型参数， 直至深度学习网络模型收敛， 得到训练完成后的深度学习网络模型； 超分辨SAR图像转化模块， 其被配置为： 将待处理的SAR图像输入训练后的深度学习网 络模型， 得到超分辨SAR图像。 4.根据权利要求1所述的一种基于深度学习的高分辨率图像中极小目标的识别方法， 其特征在于， 所述步骤四中， 将所述第二分辨率图像按照设定长宽进行区块划分形成第二 分辨率图像块， 利用边 缘提取算法提取 所述第二分辨 率图像块的边 缘信息量； 根据所述第 二分辨率图像块的边缘信 息量的分布情况选取X个所述边缘信 息量作为候 选信息量阈值； 根据超分辨率算法的重构时间以及对应重构形成的图像分辨率， 从X个所述候选信息权　利　要　求　书 1/2 页 2 CN 114863295 A 2量阈值中选择一个作为所述固定阈值。 5.根据权利要求1所述的一种基于深度学习的高分辨率图像中极小目标的识别方法， 其特征在于， 所述 步骤五中， 深度学习网络模型运行次数不低于 两百万次。权　利　要　求　书 2/2 页 3 CN 114863295 A 3