基于注意力增强的任意方向密集舰船目标检测方法

本发明属于图像处理，具体涉及一种基于注意力增强的任意方向密集舰船目标检测方法。

背景技术：

1、合成孔径雷达(synthetic aperture radar，sar)作为一种主动式微波成像传感器，具有全天时、全天候对地观测的独特能力，成为当前对地观测的主要方式之一，在海洋探测领域占据重要地位。舰船目标检测作为海洋船舶管理系统的基础功能，对进一步实现舰船目标识别、跟踪起到保障性作用，因此研究对海sar舰船目标检测具有重要意义。

2、现有技术中，sar图像目标检测研究的主要问题是从sar图像中提取出感兴趣的目标区域，去除环境杂波和人造杂波虚警。现有主流的sar舰船目标检测方法可分为基于模型驱动的传统检测算法和基于数据驱动的深度学习检测算法，其中，传统sar目标检测算法以基于背景杂波统计分布的恒虚警率目标检测方法和基于视觉注意模型的显著性目标检测算法为主要代表；基于深度学习的检测算法分为以r-cnn系列为代表的两阶段检测算法和以yolo系列为代表的一阶段检测算法。然而，在岛屿、港口、海湾等复杂背景下，sar图像的杂波散射强度较高，杂波背景非均匀，同时舰船目标分布情况多样，传统的基于恒虚警率(cfar)的方法难以选取合适的杂波背景模型，不能很好地应用于多尺度和背景杂波复杂条件下的对海舰船目标检测，会产生大量的虚警和漏警；基于深度学习的检测算法通常采用应用于光学领域的深度学习检测算法，例如yolov5、redet，该方法大多使用水平框进行检测，导致将大部分背景像素包含到检测框中，不能准确定位船舰目标的位置，不利于目标的检测工作。

3、因此，亟需改善现有技术中存在的缺陷。

技术实现思路

1、为了解决现有技术中存在的上述问题，本发明提供了一种基于注意力增强的任意方向密集舰船目标检测方法。本发明要解决的技术问题通过以下技术方案实现：

2、第一方面，本发明提供一种基于注意力增强的任意方向密集舰船目标检测方法，包括：

3、获取原始图像；

4、基于主干特征提取模块，提取原始图像的多尺度特征，得到多个特征图；

5、基于双分支注意力增强模块，分别学习至少部分特征图中各通道和各空间的重要程度、以及学习至少部分特征图中各位置信息的重要程度，得到第一分支注意力特征图和第二分支注意力特征图，并将第一分支注意力特征图和第二分支注意力特征图进行合并，得到基于双分支注意力增强模块的输出特征图；

6、基于加权双向特征融合网络，通过跨尺度连接操作，将输出特征图的信息进行筛选和融合，得到增强特征图；

7、基于检测器中的分类结构和边界框回归结构，对增强特征图进行检测。

8、本发明的有益效果：

9、本发明提供的一种基于注意力增强的任意方向密集舰船目标检测方法，目的在于解决复杂海岸场景下检测性能不佳、出现漏检误检等问题，同时使用旋转检测框代替水平检测框，在有效区分目标区域与背景区域的同时实现了对目标的方向估计；使用加权双向特征融合网络bifpn代替panet网络，使用自适应调整特征权重获取更多的上下文信息和全局信息，提高信息利用率；使用双分支注意力增强模块，充分加强空间注意力信息、通道注意力信息、位置信息的作用，提升网络对重要特征的提取能力。

10、以下将结合附图及实施例对本发明做进一步详细说明。

技术特征：

1.一种基于注意力增强的任意方向密集舰船目标检测方法，其特征在于，包括：

2.根据权利要求1所述的基于注意力增强的任意方向密集舰船目标检测方法，其特征在于，所述主干特征提取模块为resnet50残差网络，所述resnet50残差网络的残差块包括降采样残差块和普通残差块。

3.根据权利要求1所述的基于注意力增强的任意方向密集舰船目标检测方法，其特征在于，所述双分支注意力增强模块包括结合通道和空间信息的第一分支注意力增强模块、以及捕获方向和位置感知的第二分支注意力增强模块；

4.根据权利要求3所述的基于注意力增强的任意方向密集舰船目标检测方法，其特征在于，所述通道注意力模型包括第一全局最大池化层、第一全局平均池化层、第一动态卷积层、第二动态卷积层和第一sigmoid激活函数；

5.根据权利要求4所述的基于注意力增强的任意方向密集舰船目标检测方法，其特征在于，所述空间注意力模型包括第二最大池化层、第二平均池化层、空洞卷积层和第二sigmoid激活函数；

6.根据权利要求3所述的基于注意力增强的任意方向密集舰船目标检测方法，其特征在于，所述坐标注意力模型包括水平方向的全局平局池化层和全局最大池化层、以及垂直方向的全局平均池化层和全局最大池化层、第一卷积层、第二卷积层、第三非线性激活函数、第四非线性激活函数、第三卷积层、第四卷积层、第五卷积层、第六卷积层、第五sigmoid激活函数、第六sigmoid激活函数、第七sigmoid激活函数和第八sigmoid激活函数；

7.根据权利要求1所述的基于注意力增强的任意方向密集舰船目标检测方法，其特征在于，所述检测器的损失函数为：

8.根据权利要求7所述的基于注意力增强的任意方向密集舰船目标检测方法，其特征在于，所述分类结构损失函数的表达式为：

9.根据权利要求7所述的基于注意力增强的任意方向密集舰船目标检测方法，其特征在于，所述边界框回归结构损失函数的表达式为：

技术总结
本发明公开了一种基于注意力增强的任意方向密集舰船目标检测方法，涉及图像处理技术领域，包括：获取原始图像；基于主干特征提取模块，提取原始图像的多尺度特征，得到多个特征图；基于双分支注意力增强模块，学习至少部分特征图中各通道和各空间的重要程度、学习至少部分特征图中各位置信息的重要程度，得到基于双分支注意力增强模块的输出特征图；基于加权双向特征融合网络，通过跨尺度连接操作，将输出特征图的信息进行筛选和融合，得到增强特征图；基于检测器中的分类结构和边界框回归结构，对增强特征图进行检测。本发明能够提升网络对重要特征的提取能力，实现对目标的精确提取和方向估计。

技术研发人员：梁毅,王雅丽,陈晧晖,邢孟道
受保护的技术使用者：西安电子科技大学
技术研发日：
技术公布日：2024/1/12