本技術(shù)涉及圖像目標檢測領(lǐng)域，特別是涉及一種寬幅極化sar圖像艦船目標檢測方法、系統(tǒng)、設(shè)備、介質(zhì)及產(chǎn)品。

背景技術(shù)：

1、合成孔徑雷達(syntheticaperture?radar，sar)是一種主動式的微波成像傳感器，具有全天時、全天候的工作能力，對氣候變幻無常的海洋進行監(jiān)測具有良好的適應性。全極化sar能夠同時接收和發(fā)射多個極化狀態(tài)的電磁波，使得測量的數(shù)據(jù)不再只是雷達目標的雷達橫截面積(radar?cross?section，rcs)，而是一個2×2的散射矩陣，獲取的目標散射信息更豐富。如何有效的利用不同的散射信息進行艦船目標實時檢測是當前艦船目標研究的熱點之一。此外，由于寬幅sar圖像像素太大難以將整幅圖像輸入到網(wǎng)絡(luò)中進行檢測，如何在不破壞艦船目標前提下自適應裁剪圖像，也是寬幅極化sar圖像檢測目標檢測的難點和重點。

技術(shù)實現(xiàn)思路

1、本技術(shù)的目的是提供一種寬幅極化sar圖像艦船目標檢測方法、系統(tǒng)、設(shè)備、介質(zhì)及產(chǎn)品，能夠在不破壞艦船目標前提下自適應裁剪圖像，提高sar圖像艦船目標檢測的實時性和精確性。

2、為實現(xiàn)上述目的，本技術(shù)提供了如下方案：

3、第一方面，本技術(shù)提供了一種寬幅極化sar圖像艦船目標檢測方法，包括：

4、獲取寬幅sar數(shù)據(jù)；

5、對所述寬幅sar數(shù)據(jù)進行預處理，得到預處理數(shù)據(jù)；

6、對所述預處理數(shù)據(jù)進行散射特征提取，得到多張不同散射特征的sar圖像；

7、選取其中一種散射特征的sar圖像進行自適應裁剪，并獲取每一裁剪圖片的位置信息及sar圖像裁剪網(wǎng)格；

8、基于裁剪網(wǎng)格對其它散射特征的sar圖像進行裁剪，得到相同位置sar數(shù)據(jù)的多張不同散射特征的裁剪圖片；

9、基于多張所述裁剪圖片進行艦船目標檢測，得到艦船目標檢測信息；所述艦船目標檢測信息包括艦船目標類別、艦船目標邊框和艦船目標的位置信息；

10、基于每一所述裁剪圖片的位置信息將所述艦船目標檢測信息映射到所述寬幅sar圖像上。

11、可選地，選取其中一種散射特征的sar圖像進行自適應裁剪，并獲取每一裁剪圖片的位置信息及sar圖像裁剪網(wǎng)格，具體包括：

12、利用聚類算法對其中一種散射特征的sar圖像進行聚類處理，得到聚類圖像；所述聚類圖像包括多個聚類目標；

13、確定所述聚類圖像中每一聚類目標的邊框位置信息；

14、根據(jù)所述寬幅sar圖像的原始尺寸和設(shè)定裁剪尺寸，生成裁剪網(wǎng)格；

15、以所述聚類圖像中一個邊界點為原點，將以所述原點為頂點的所述裁剪網(wǎng)格的邊界線設(shè)置為0，將所述裁剪網(wǎng)格中與所述邊界線平行且相鄰的線作為裁剪線；

16、采用所述裁剪網(wǎng)格裁剪所述聚類圖像，并在裁剪過程中，確定所述裁剪線上是否存在聚類目標；

17、如果所述裁剪線上存在聚類目標，則遍歷在所述裁剪線上的所有聚類目標，并確定這些聚類目標中最靠近所述裁剪網(wǎng)格的邊界線的聚類目標的位置信息；

18、基于最靠近所述裁剪網(wǎng)格的邊界線的聚類目標的位置信息確定偏移量；

19、將所述裁剪網(wǎng)格沿所述裁剪線向所述裁剪網(wǎng)格的邊界線偏移所述偏移量后，更新裁剪網(wǎng)格并完成裁剪；

20、如果所述裁剪線上不存在聚類目標，直接采用所述裁剪網(wǎng)格完成裁剪。

21、可選地，基于多張所述裁剪圖片進行艦船目標檢測，得到艦船目標檢測信息，具體包括：

22、構(gòu)建艦船目標檢測網(wǎng)絡(luò)；所述艦船目標檢測網(wǎng)絡(luò)包括：多通道卷積注意力網(wǎng)絡(luò)模塊、多尺度卷積注意力網(wǎng)絡(luò)模塊和混合編碼器模塊；

23、將多張所述裁剪圖片以及每一所述裁剪圖片的位置信息輸入至所述艦船目標檢測網(wǎng)絡(luò)，得到艦船目標檢測初始信息；所述艦船目標檢測初始信息包括多個預測框編碼信息；所述預測框編碼信息包括：預測目標類別、預測邊框和預測目標位置信息；

24、采用不確定最小化查詢和選擇方法，從所述艦船目標檢測初始信息的預測框編碼信息中選取前j個預測框編碼信息；

25、對前j個預測框編碼信息進行解碼，得到所述艦船目標檢測信息。

26、可選地，將多張所述裁剪圖片以及每一所述裁剪圖片的位置信息輸入至所述艦船目標檢測網(wǎng)絡(luò)，得到艦船目標檢測初始信息，具體包括：

27、將多張所述裁剪圖片以及每一所述裁剪圖片的位置信息輸入至所述多通道卷積注意力網(wǎng)絡(luò)模塊，得到第一特征；

28、將所述第一特征輸入至所述多尺度卷積注意力網(wǎng)絡(luò)模塊，得到第二特征；所述第二特征包括第一子特征、第二子特征和第三子特征；

29、將所述第二特征輸入至所述混合編碼器模塊，得到所述艦船目標檢測初始信息。

30、可選地，將所述第二特征輸入至所述混合編碼器模塊，得到所述艦船目標檢測初始信息，具體包括：

31、在所述混合編碼器模塊中，將第三子特征展平為一維特征向量；

32、將所述一維特征向量進行多頭注意力機制編碼，實現(xiàn)尺度內(nèi)特征交互；

33、將多頭注意力機制編碼后的一維特征向量轉(zhuǎn)換成二維向量；

34、將所述第一子特征、所述第二子特征和所述二維向量進行雙向特征融合后拼接輸出，得到所述艦船目標檢測初始信息。

35、可選地，在所述混合編碼器模塊中設(shè)置多分支卷積結(jié)構(gòu)repblock模塊；采用多分支卷積結(jié)構(gòu)repblock模塊將所述第一子特征、所述第二子特征和所述二維向量進行雙向特征融合。

36、第二方面，本技術(shù)提供了一種寬幅極化sar圖像艦船目標檢測系統(tǒng)，該寬幅極化sar圖像艦船目標檢測系統(tǒng)用于實施上述提供的寬幅極化sar圖像艦船目標檢測方法；所述寬幅極化sar圖像艦船目標檢測系統(tǒng)包括：

37、極化sar數(shù)據(jù)獲取模塊，用于獲取寬幅sar數(shù)據(jù)；

38、寬幅sar圖像艦船目標自適應裁剪模塊，與所述極化sar數(shù)據(jù)獲取模塊連接，用于對所述寬幅sar數(shù)據(jù)進行預處理，得到預處理數(shù)據(jù)，對所述預處理數(shù)據(jù)進行散射特征提取，得到多張不同散射特征的sar圖像，得到裁剪圖片，并獲取所述裁剪圖片的位置信息；

39、sar艦船目標實時檢測模塊，與所述寬幅sar圖像艦船目標自適應裁剪模塊連接，用于基于裁剪圖片進行艦船目標檢測，得到艦船目標檢測信息，并用于基于每一所述裁剪圖片的位置信息將所述艦船目標檢測信息映射到所述寬幅sar圖像上；所述艦船目標檢測信息包括艦船目標類別、艦船目標邊框和艦船目標的位置信息。

40、第三方面，本技術(shù)提供了一種計算機設(shè)備，包括：存儲器、處理器以存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序以實現(xiàn)上述提供的一種寬幅極化sar圖像艦船目標檢測方法的步驟。

41、第四方面，本技術(shù)提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)上述提供的一種寬幅極化sar圖像艦船目標檢測方法的步驟。

42、第五方面，本技術(shù)提供了一種計算機程序產(chǎn)品，包括計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)上述提供的一種寬幅極化sar圖像艦船目標檢測方法的步驟。

43、根據(jù)本技術(shù)提供的具體實施例，本技術(shù)公開了以下技術(shù)效果：

44、本技術(shù)提供了一種寬幅極化sar圖像艦船目標檢測方法、系統(tǒng)、設(shè)備、介質(zhì)及產(chǎn)品，對sar數(shù)據(jù)進行散射特征提取，可以得到不同散射特征的sar圖像，進而獲取更為豐富的散射信息，對不同散射特征的sar圖像進行自適應裁剪，能夠在不破壞艦船目標前提下自適應裁剪圖像?；诙鄰埐煌⑸涮卣鞯牟眉魣D片以及每一裁剪圖片的位置信息進行艦船目標檢測，得到艦船目標檢測信息，并將艦船目標檢測信息映射到寬幅sar圖像上，能夠提高sar圖像艦船目標檢測的實時性和精確性。