基于视频合成孔径雷达的动目标智能联合检测方法.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CN112183534A(43)申请公布日2021.01.05(21)申请号202011067690.4G06T7/507(2017.01)(22)申请日2020.10.07G06T7/73(2017.01)G01S13/90(2006.01)(71)申请人西安电子科技大学地址710071陕西省西安市太白南路2号(72)发明人丁金闪温利武徐众黄学军(74)专利代理机构陕西电子工业专利中心61205代理人王品华黎汉华(51)Int.Cl.G06K9/32(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)G06T7/155(2017.01)G06T7/194(2017.01)权利要求书4页说明书8页附图2页(54)发明名称基于视频合成孔径雷达的动目标智能联合检测方法(57)摘要本发明公开了一种基于视频合成孔径雷达的动目标智能联合检测方法，主要解决现有技术对动目标检测虚警高及泛化性能差的问题。其方案为：获取训练数据；分别构建提供高分辨雷达图像候选区子网络和提供低分辨距离多普勒谱候选区子网络；通过坐标变换得到在图像和距离多普勒谱中成对存在的候选区，并据此分别构建图像阴影检测子网络和目标多普勒能量检测子网络；将各子网络组合得到完整的联合检测网络，并用训练数据对其训练；将待测试数据输入到训练好的联合检测网络中实现动目标检测。本发明利用动目标在高分辨图像与低分辨距离多普勒谱中的不同信息，提升了对动目标检测的虚警控制能力和泛化能力，可用于视频合成孔径雷达运动目标阴影检测。CN112183534ACN112183534A权利要求书1/4页1.一种视频合成孔径雷达的动目标智能联合检测方法，其特征在于，包括如下：(1)将视频合成孔径雷达原始回波信号划分为T个子孔径，每个子孔径包含N个脉冲，获取每个子孔径的高分辨视频合成孔径雷达图像以及对应的低分辨距离多普勒谱，得到训练集Θ；(2)构建用于提供高分辨视频合成孔径雷达图像候选区的神经网络ΨI：(2a)建立高分辨视频合成孔径雷达图像深度特征提取子网络ΓI；(2b)建立图像区域建议生成子网络ΩI；(2c)将步骤(2a)和(2b)建立的两个子网络依次连接，组合成提供图像候选区的神经网络ΨI；(3)构建用于提供低分辨距离多普勒谱候选区的神经网络ΨD：(3a)建立低分辨距离多普勒谱深度特征提取子网络ΓD；(3b)建立距离多普勒谱区域建议生成子网络ΩD；(3c)将步骤(3a)和(3b)建立的两个子网络依次连接，组合成提供距离多普勒谱候选区的神经网络ΨD；(4)将步骤(2)和(3)中图像区域建议网络和距离多普勒谱区域建议网络提供的候选区，通过坐标变换分别映射到距离多普勒谱和图像中，得到在高分辨雷达图像和低分辨距离多普勒谱中成对存在的候选区PI和PD；(5)构建图像阴影检测的子神经网络ΔI：(5a)建立一个感兴趣区域池化层PoolI，该池化层的输入为步骤(2)得到的高分辨视频合成孔径雷达图像的深度特征图及步骤(4)得到的成对候选区坐标PI，输出为固定维度的特征数据；(5b)将固定维度的特征数据经过两个神经元个数均为4096的全连接层后，再由两个神经元个数分别为β和4β的全连接层做阴影目标分类和检测，形成图像阴影检测的子神经网络，其中β为目标总类别数；(6)构建目标多普勒能量检测的子神经网络ΔD：(6a)建立一个感兴趣区域池化层PoolD，该池化层的输入为步骤(3)得到的低分辨距离多普勒谱的深度特征图及步骤(4)得到的成对候选区坐标PD，输出为固定维度的特征数据；(6b)将固定维度的特征数据经过两个神经元个数均为4096的全连接层后，再由两个神经元个数分别为β和4β的全连接层做目标多普勒分类和检测，形成目标多普勒能量检测的子神经网络；(7)将神经网络ΨI、ΨD、ΔI和ΔD按照输入输出关系进行组合，得到完整的联合检测网络；(8)利用训练集Θ，采用后向传播算法对联合检测网络进行训练，得到训练好的网络；(9)将待测试数据输入到训练好的网络中，得到成对候选区及其目标分类得分，再根据目标分类得分对得到的成对候选区做筛选得到动目标检测结果。2.根据权利要求1所述的方法，其中(1)中得到训练集Θ，实现如下：1a)假设视频合成孔径雷达复回波信号被排列为M个距离门、P个脉冲的回波矩阵，利用长度为N、步长为S的重叠滑动窗将全部接收信号划分为T帧，其中表2CN112183534A权利要求书2/4页示向下取整操作，S＜N；1b)采用PFA算法,对每个子孔径中的N个脉冲进行成像，得到高分辨视频合成孔径雷达图像，并从每个子孔径中心抽取K个连续的脉冲，依次进行距离向压缩和方位向傅里叶变换，得到对应的低分辨距离