联合SAR CCD和全局信息捕获的微弱痕迹检测方法
摘要文本
本发明提供了一种联合SAR CCD和全局信息捕获的微弱痕迹检测方法,包括:获取包括轮胎痕迹的SAR CCD图像数据集的预训练数据集;根据预训练数据集,训练包括UNet网络和Transformer网络的GCCN得到第一GCCN;获取实测数据集,实测数据集包括不同时刻在相同几何位置获得的双航过SAR图像,以及,相应时间段内相应几何位置所对应的标注图像,标注图像中包括目标运动轨迹的坐标信息;对实测数据集中的至少一对双航过SAR图像进行预处理,得到至少一个差异图像;根据各差异图像和相应的标注图像,对第一GCCN进行训练,得到训练好的GCCN,该方法提高了模型训练效率、检测精度和检测能力。
申请人信息
- 申请人:西安电子科技大学
- 申请人地址:710071 陕西省西安市雁塔区太白南路2号
- 发明人: 西安电子科技大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 联合SAR CCD和全局信息捕获的微弱痕迹检测方法 |
| 专利类型 | 发明授权 |
| 申请号 | CN202311764408.1 |
| 申请日 | 2023/12/21 |
| 公告号 | CN117437523B |
| 公开日 | 2024/3/19 |
| IPC主分类号 | G06V10/82 |
| 权利人 | 西安电子科技大学 |
| 发明人 | 张金松; 韩青; 邢孟道 |
| 地址 | 陕西省西安市雁塔区太白南路2号 |
专利主权项内容
1.一种联合SAR CCD和全局信息捕获的微弱痕迹检测方法,其特征在于,包括:获取预训练数据集,所述预训练数据集为包括轮胎痕迹的合成孔径雷达成像进行相干变化检测SAR CCD图像数据集;根据所述预训练数据集,对全局上下文捕获网络GCCN进行预训练,得到第一GCCN,所述GCCN包括UNet网络和Transformer网络,所述Transformer网络用于获取全局上下文信息;获取实测数据集,所述实测数据集包括不同时刻在相同几何位置获得的双航过合成孔径雷达SAR图像,以及,相应时间段内相应几何位置所对应的标注图像,所述标注图像中包括目标运动轨迹的坐标信息;对所述实测数据集中的至少一对所述双航过合成孔径雷达SAR图像进行预处理,得到至少一个差异图像;根据各所述差异图像和相应的标注图像,对所述第一GCCN进行训练,得到训练好的GCCN,所述训练好的GCCN用于根据不同时刻在目标几何位置获得的双航过合成孔径雷达SAR图像,确定所述目标几何位置处的微弱痕迹;所述GCCN,包括:编码器、组空间卷积模块和解码器,所述编码器分别与所述组空间卷积模块和所述解码器连接,所述组空间卷积模块还与所述解码器连接;所述编码器包括依次连接的特征提取模块、1×1的卷积核和Transformer模块,所述特征提取模块包括四个级联的卷积模块和下采样层;所述组空间卷积模块包括四个级联的、卷积方向不同的子卷积模块;所述解码器包括卷积层和上采样层;所述组空间卷积模块对应的卷积核的大小被设置为或/>,其中和/>分别表示相应子卷积模块的卷积核的宽度,/>和/>分别表示相应子卷积模块的卷积核的高度、/>表示相应子卷积模块的卷积核的维度,对应的切片向量大小为,其中/>、/>、/>分别为切片向量的宽度、高度、维度。