(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 202210145143.6 (22)申请日 2022.02.17 (71)申请人 中国电子科技 集团公司第十四研究 所 地址 210039 江苏省南京市雨 花台区国睿 路8号 (72)发明人 谢聪　郝明　郭杰　 (74)专利代理 机构 南京知识律师事务所 32 207 专利代理师 康翔　高娇阳 (51)Int.Cl. G06V 20/13(2022.01) G06V 10/26(2022.01) G06V 10/30(2022.01) G06V 10/28(2022.01) G06V 10/44(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) (54)发明名称 一种SAR图像舰船目标的精确定位与特征提 取方法 (57)摘要 本发明公开了一种SAR图像舰船目标的精确 定位与特征提取方法， 用图像灰度直方图均衡化 增强图像， 用基于NSCT的自适应去噪算法去除噪 声， 用多尺度OTSU阈值分割方法， 去 除海面杂波 的影响， 经滤波与形态学操作， 获得完整的舰船 目标区域， 减少背景地物弱反射产生的虚警区 域， 设计针对小目标的网络结构， 分别计算舰船 的几何特征、 形状特征、 边缘特征和散射特征， 更 加精确的检测与识别舰船目标。 权利要求书1页 说明书2页 附图1页 CN 114565855 A 2022.05.31 CN 114565855 A 1.一种SAR图像舰船目标的精确定位与特征提取方法， 其特征在于， 包括： 增强图像， 去 除噪声， 用多尺度OTSU阈值分割方法， 分割并提取SAR图像舰船 目标， 经滤波与形态学膨胀 操作， 获得完整的舰船目标区域， 减少背 景地物弱反射产生的虚警区域， 分别计算舰船的几 何特征、 形状特 征、 边缘特征和散射特 征。 2.根据权利要求1所述的SAR图像舰船目标的精确定位与特征提取方法， 其特征在于， 所述增强图像， 包括： 用图像灰度直方图均衡化， 提升SAR图像的亮度与对比度， 增强图像的 细节纹理信息。 3.根据权利要求1所述的SAR图像舰船目标的精确定位与特征提取方法， 其特征在于， 所述去除噪声， 包括： 用基于NSCT的自适应去噪算法， 预处理SAR图像， 去除相干斑 噪声， 保 留图像的细节纹 理信息。 4.根据权利要求1所述的SAR图像舰船目标的精确定位与特征提取方法， 其特征在于， 所述分割并提取SAR图像舰船目标， 包括： 用全局OTSU阈值分割方法， 二值分割SAR图像， 前 景像素值设为 1， 背景像素值设为0， 提取分割结果中的连通性区域， 得到前景的连通区域和 背景连通区域， 将小于面积阈值的前 景区域修改为背景区域， 去除海面杂波的影响。 5.根据权利要求1所述的SAR图像舰船目标的精确定位与特征提取方法， 其特征在于， 所述计算舰船的几何特征、 形状特征、 边缘特征和散射特征， 包括： 基于舰船目标的形状和 尺寸， 设计针对小目标的网络结构， 用空洞卷积模块扩 大感受野， 用ResNet50作为基础特征 提取网络， 提取不同尺寸的舰船目标的多尺度特征， 预测回归舰船目标的类别、 坐标框和置 信度。权　利　要　求　书 1/1 页 2 CN 114565855 A 2一种SAR图像舰船 目标的精确定位 与特征提取方 法 技术领域 [0001]本发明属于图像技 术领域， 具体涉及一种目标探测技 术。 背景技术 [0002]《SCALE‑TRANSFERRABLE  PYRAMID NETWORK FOR MULTI‑SCALE SHIP DETECTION   IN SAR IMAGES》 公开了一种 基于尺度转换金字塔网络模型的SAR图像舰船检测算法， 用于 多尺度SAR舰船目标检测 。 模型提出尺度转换网络层， 通过横向连接和稠密连接， 将卷积特 征从上至下连接起来。 稠密尺度转换连接提升并融合不同分辨率的特征， 充分利用卷积特 征不同通道内的特 征信息， 在多尺度SAR舰船目标检测有良好的表现。 [0003]星载SAR成像幅宽很宽， 分辨率不够高， 导致海面舰 船的SAR图像区域有限， 降低 舰 船目标识别精度。 [0004]《JOINT  CONVOLUTIONAL  NEURAL NETWORK  FOR SMALL‑SCALE SHIP  CLASSIFICATION  IN SAR IMAGES》 公开了一种卷积神经网络， 将生成器网络和分类网络相 结合， 解决小尺度SAR舰船目标分类问题。 生成器网络学习将低分辨率舰船图像转换为高分 辨率舰船图像的映射函数， 分类网络将生成的高分辨率舰船图像输入分类， 联合损失优化 策略对模型训练优化， 提升模型的分类精度。 [0005]针对舰船检测框， 传统的卷积神经网络模型没有专门的设计， 导致检测框为正向 的矩形框。 只能估计舰船的大概位置， 很难检测舰船的轮廓与方位， 不能提取舰船的几何、 形状、 边缘和散射的特 征信息。 发明内容 [0006]本发明为了解决现有技术存在的问题， 提出了一种SAR图像舰船目标的精确定位 与特征提取方法， 为了实现上述目的， 本发明采用了以下技 术方案。 [0007]增强图像， 去除噪声， 用多尺度OTSU阈值分割方法， 分割并提取SAR图像舰 船目标， 经滤波与形态学操作， 获得完整的舰船目标区域， 减少背景地物弱反射产生的虚警区域， 分 别计算舰船的几何特 征、 形状特 征、 边缘特征和散射特 征。 [0008]进一步的， 用图像灰度直方图均衡化， 提升SAR图像 的亮度与对比度， 增强图像 的 细节纹理信息。 [0009]进一步的， 用基于NSCT的自适应去噪算法， 预处理SAR图像， 去除相干斑噪声， 保留 图像的细节纹 理信息。 [0010]进一步的， 用全局OTSU阈值分割方法， 二值分割SAR图像， 前景像素值设为1， 背景 像素值设为0， 提取分割结果中的连通性区域， 得到前景 的连通区域和背景连通区域， 将小 于面积阈值的前景区域修改为背 景区域， 去除海面杂波的影响， 经形态学膨胀操作， 获得完 整的舰船目标区域。 [0011]进一步的， 基于舰船目标的形状和尺寸， 设计针对小目标的网络结构， 用空洞卷积 模块扩大感受野， 用ResNet50作为基础特征提取网络， 提取不同尺寸的舰船 目标的多尺度说　明　书 1/2 页 3 CN 114565855 A 3