技术特征：
1.一种基于高分多角度星载sar特征融合的目标检测方法，其特征在于，包括如下步骤：步骤1、结合星载sar系统参数与地物目标散射特性进行非相干成像；步骤2、设计适用于高分多角度星载sar图像目标识别的卷积神经网络，利用所述非相干成像的结果作为所述卷积神经网络的输入，对卷积神经网络进行训练优化；步骤3、利用测试集图像对训练优化后的卷积神经网络进行检验，达到预期目标识别正确率则结束训练，否则继续训练优化卷积神经网络；步骤4、将需要进行目标检测的高分多角度星载sar图像输入优化后的卷积神经网络，输出目标检测结果。2.根据权利要求1所述的一种基于高分多角度星载sar特征融合的目标检测方法，其特征在于，所述步骤1包括：首先对整个扫描角的数据进行子孔径成像；然后依据高分多角度星载sar系统参数与地物散射特性对若干相邻子孔径图像进行非相干处理。3.根据权利要求2所述的一种基于高分多角度星载sar特征融合的目标检测方法，其特征在于，所述步骤2中的卷积神经网络包括4个卷积层，4个池化层，2个全连接层，一个用于目标识别的softmax分类器；每一个卷积层包含三个通道，分别对应三个尺寸的卷积核；为了防止过拟合，在所述全连接层进行dropout处理，以增加卷积神经网络的鲁棒性。所述dropout处理为以概率p舍弃神经元并让其它神经元以概率q=1-p保留，每个神经元被关闭的概率是相同的。4.根据权利要求3所述的一种基于高分多角度星载sar特征融合的目标检测方法，其特征在于，所述步骤2还包括在卷积神经网络的网络前向传播过程中对卷积神经网络的每层的输入数据进行白化处理。
技术总结
本发明提出一种基于高分多角度星载SAR特征融合的目标检测方法，主要包括：结合星载SAR系统参数与地物目标散射特性对多角度SAR数据进行非相干成像处理；设计一个适用于高分多角度星载SAR图像目标识别的卷积神经网络；非相干成像处理结果作为设计的卷积神经网络的输入，对设计网络进行训练优化；测试集图像对训练优化后的卷积神经网络进行检验。本发明通过信号层的非相干成像与图像层的深度学习充分挖掘高分多角度星载SAR图像的深层信息，进一步提升星载SAR图像目标识别的正确率。步提升星载SAR图像目标识别的正确率。步提升星载SAR图像目标识别的正确率。
技术研发人员：杨从瑞 邓云凯 张衡 贾小雪
受保护的技术使用者：中国科学院空天信息创新研究院
技术研发日：2023.02.09
技术公布日：2023/3/14