增强舰船目标检测SAR图像数据的方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113962883A(43)申请公布日2022.01.21(21)申请号202111159144.8(22)申请日2021.09.30(71)申请人西南电子技术研究所(中国电子科技集团公司第十研究所)地址610036四川省成都市金牛区茶店子东街48号(72)发明人潘磊高翔廖泓舟(74)专利代理机构成飞(集团)公司专利中心51121代理人郭纯武(51)Int.Cl.G06T5/00(2006.01)G06N3/08(2006.01)G06N3/04(2006.01)权利要求书2页说明书5页附图1页(54)发明名称增强舰船目标检测SAR图像数据的方法(57)摘要本发明公开的一种增强舰船目标检测SAR图像数据的方法，训练稳定、模式稳健。可以通过下述技术方案实现：以舰船位置为中心，将图像形式的舰船位置作为SAR图像增强的约束条件，通过两个全连接层后将得到的高维特征向量重构为条件特征图，条件特征图与隐变量特征图级联后输入到转置卷积层得到综合特征图，逐层上采样提高特征分辨率，生成新的SAR舰船图像，将目标框对应转换成所生成SAR图像的标签，构建数据‑标签对；判别器通过卷积层提取数据‑标签对的特征，判别生成SAR图像的真假和图像与标签的匹配程度，通过生成器与判别器的对抗，激励生成器生成更高质量的SAR图像新数据；最后通过对抗网络与目标检测网络的协同学习，增强SAR图像数据。CN113962883ACN113962883A权利要求书1/2页1.一种增强舰船目标检测SAR图像数据的方法，其特征在于，包括如下步骤：首先，以舰船位置为中心，将图像形式的舰船位置作为SAR图像增强的约束条件c，约束条件c和隐变量z作为基于舰船位置信息的条件生成对抗网络生成器的输入，隐变量z通过两个全连接层后得到高维特征向量，并将其重构为隐变量特征图，约束条件c通过卷积层得到条件特征图，隐变量特征图和条件特征图级联后输入到至少4层转置卷积层，得到综合特征图，逐层上采样提高特征分辨率，生成新的SAR舰船图像，将作为约束条件c的目标框对应转换成所生成SAR数据的标签；其次，对于输入的真实SAR图像和生成的SAR图像，判别器结合作为约束条件的舰船位置信息，形成作为判别器网络输入的数据‑标签对，判别器通过卷积层提取数据‑标签对的特征，判断生成SAR图像的真假，同时判断生成图像/真实图像分别与对应约束条件的匹配程度，通过生成器和判别器的对抗学习，生成SAR图像更接近真实的SAR图像；最后，将所构建的条件生成对抗网络模型与目标检测网络进行级联，通过舰船目标检测结果评估生成SAR图像数据质量，并将检测结果反馈给条件生成对抗网络，不断优化生成器，激励其生成更高质量的SAR图像新数据，通过对抗网络与目标检测网络的协同学习，增强SAR图像数据。2.如权利要求1所述的增强舰船目标检测SAR图像数据的方法，其特征在于，基于舰船位置信息的条件生成对抗网络，包括：生成器和判别器两部分，生成器以隐变量z和约束条件c作为输入，隐变量z通过两个全连接层后得到高维特征向量，并将其重构为4×4×256的隐变量特征图。3.如权利要求1所述的增强舰船目标检测SAR图像数据的方法，其特征在于，约束条件c通过4层步长为2的卷积层得到4×6×256的条件特征图；将两个特征图级联后输入到4层转置卷积层，逐层上采样提高特征分辨率，生成大小为64×64像素的新的SAR舰船图像。4.如权利要求1所述的增强舰船目标检测SAR图像数据的方法，其特征在于，为了有效利用特征信息，在每两层转置卷积层间增加一个残差连接。5.如权利要求1所述的增强舰船目标检测SAR图像数据的方法，其特征在于，判别器通过图像‑标签对的方式引入舰船位置信息，将生成图像/真实图像分别与对应的约束条件级联，形成64×64×26的网络输入。6.如权利要求1所述的增强舰船目标检测SAR图像数据的方法，其特征在于，判别器网络结构由4个堆叠卷积层、两层全连接层和softmax层组成，卷积层提取数据‑标签对的特征，全连接层将特征转化为标量，softmax层为线性分类器，可以鉴别生成SAR图像的真假，同时判断生成图像/真实图像分别与对应约束条件的匹配程度，进而实现对生成器生成结果的反馈调节，提高模型的生成质量。7.如权利要求1所述的增强舰船目标检测SAR图像数据的方法，其特征在于，基于舰船位置信息的条件生成对抗网络引入最优传输距离构建生成器目标函数：和判别器的目标函数：其中，E[·]表示分布函数期望值，x～Pr表示x服从概率分布Pr，表示服从概率分布Pg，c、分别为真实图像和生成图像对应约束，是真实图像的非匹配约束，D(x|c)和2CN113962883A权利要求书2/2页分别表示在约束c和约束c