一种基于人工智能的SAR图像目标检测系统及方法

本发明涉及sar图像目标检测，具体为一种基于人工智能的sar图像目标检测系统及方法。

背景技术：

1、合成孔径雷达（sar）技术近年来得到了广泛的应用，尤其在地形测绘、军事侦察和灾害监测等领域；sar通过对目标区域反复发射电磁波并接收回波，生成高分辨率的二维或三维图像；随着无人机技术的发展，将sar装置与无人机结合的应用逐渐兴起，这种结合不仅提高了对复杂环境的监控能力，也极大扩展了sar技术的适用场景；然而，由于无人机的飞行高度、地形变化和环境干扰等因素，sar图像常常受到噪声和失真的影响，如何优化图像质量成为当前研究的重点；此外，人工智能（ai）技术在图像处理、数据融合方面的进步也为sar图像质量的提升提供了新的路径；例如，ai可以通过深度学习算法对sar图像中的噪声进行智能识别和消除，进而提升目标检测的精度和效率。

2、然而，现有的sar图像处理方法仍存在一些不足之处；首先，传统的噪声消除技术主要依赖于图像预处理或后处理，缺乏动态调整机制，无法实时应对无人机飞行过程中环境变化带来的噪声干扰；其次，大多数现有技术未充分考虑无人机高度和发射次数对sar图像质量的影响，这使得在不同飞行条件下生成的图像质量不稳定，容易出现噪点过多或目标模糊的现象；此外，现有的sar图像融合算法虽然能在一定程度上改善图像质量，但其计算效率往往较低，无法满足实时目标检测的需求；因此，迫切需要一种能够结合无人机飞行参数、实时调整发射设置，并通过智能算法优化图像质量的sar图像处理方法。

技术实现思路

1、本发明的目的在于提供一种基于人工智能的sar图像目标检测系统及方法，以解决上述背景技术中提出的问题。

2、为了解决上述技术问题，本发明提供如下技术方案：

3、一种基于人工智能的sar图像目标检测方法，本方法包括以下步骤：在无人机上安装合成孔径雷达装置，采集合成孔径雷达装置垂直投影于地面的距离；设置采样周期，当一个采样周期结束后，无人机在垂直距离上进行移动，构建采样周期集合；对投影距离集合附加采样周期标签，记为采样周期距离，以合成孔径雷达装置在地面的投影点为中心，在不同的方向上设置采样点，在每个采样周期内，设置不同的发射次数，构建发射次数集合；获取采样周期内，合成孔径雷达装置生成的所有sar图像，并进行图像融合；计算融合后的图像的噪点数；基于采样周期距离和发射次数，生成距离-发射次数对应关系对，计算噪点平均值；预设噪点数阈值，分析并输出最优距离范围和发射次数范围。

4、作为本发明所述一种基于人工智能的sar图像目标检测方法的一种优选方案，在无人机上安装合成孔径雷达装置，且，一个无人机上安装一个合成孔径雷达装置，对合成孔径雷达装置进行统一的编号，构建合成孔径雷达装置集合，其中，表示第a个合成孔径雷达装置，表示合成孔径雷达装置总数。

5、采集合成孔径雷达装置垂直投影于地面的距离，构建投影距离集合，其中，表示第a个合成孔径雷达装置垂直投影于地面的距离；设置采样周期，当一个采样周期结束后，无人机在垂直距离上进行移动，构建采样周期集合，其中，表示第b个采样周期，b表示采样周期总数。

6、作为本发明所述一种基于人工智能的sar图像目标检测方法的一种优选方案，对所述投影距离集合附加采样周期标签，记为采样周期距离，所述采样周期距离表示在采样周期时合成孔径雷达装置垂直投影于地面的距离；以合成孔径雷达装置在地面的投影点为中心，在不同的方向上设置采样点，构建采样点集合，其中，表示第h个方向上的采样点，h表示方向的总数，所述方向指中心位置指向采样点位置。

7、在每个采样周期内，设置不同的发射次数，构建发射次数集合，其中，表示采样周期内的发射次数。

8、作为本发明所述一种基于人工智能的sar图像目标检测方法的一种优选方案，在所述采样周期内，合成孔径雷达装置对每个采样点发射次信号，并接收回波，生成sar图像，计算sar图像总数。

9、对生成的所有sar图像进行融合，融合公式如下：

10、；

11、其中，表示融合后的图像，n表示发射次数内的第n个次数，且，表示合成孔径雷达装置在采样周期内对采样点发射的第n次信号生成的图像。

12、在本发明中，该公式表示将所有生成的图像通过加权平均的方式进行融合，得到一个综合图像，每个采样点在不同方向上的多个图像通过加权平均合成一张高质量图像，减少噪声，提高分辨率。

13、基于所述融合后的图像，计算图像的噪点数，计算公式如下：

14、；

15、；

16、其中，表示采样周期内的噪点数，(x，y)表示图像的像素坐标，x是图像的横向像素位置，y是纵向像素位置；x和y表示图像的宽度和高度，即像素点的总数；和表示图像在x和y方向的二阶导数，通常用于检测图像的边缘和噪声；表示像素权重，代表每个像素在噪点计算中的权重，可以根据图像的具体需求设置；表示采样周期距离函数；表示预设的系数；表示预设的增长因子。

17、在本发明中，表示融合后的图像在某个特定坐标点(x，y)上的亮度值的二阶变化率，二阶导数用于描述图像亮度的“加速度”，即亮度变化的变化率。这个变化率可以用于检测图像中的边缘或噪点；和分别表示图像在x和y方向上的二阶位置变化，表示像素坐标的变化；和的组合用来表示图像在横向和纵向的亮度变化速率，如果变化过大，表示该点很可能是噪点，因为噪点通常表现为局部的亮度异常变化；像素权重用于调整每个像素对噪点总数的贡献。如果我们关心某些特定区域（例如图像的边缘或高频区域）的噪点，我们可以为这些区域分配更高的权重；通过引入函数，考虑了无人机不同高度对图像质量的影响，一般来说，无人机飞得越高，图像的分辨率越低，噪点数量越多，因此高度会对噪点检测产生显著影响，将图像的亮度变化与高度影响相结合，如果亮度变化过大且高度函数的影响也足够大，则判断为噪点。

18、作为本发明所述一种基于人工智能的sar图像目标检测方法的一种优选方案，基于所述采样周期距离和所述采样周期内的发射次数，生成距离-发射次数对应关系对，记为。

19、基于所述关系对，计算每个关系对对应的噪点数，并计算所有采样周期的噪点平均值，计算公式如下：

20、；

21、其中，表示所有采样周期的噪点平均值。

22、预设噪点数阈值。

23、对于所述关系对，若关系对对应的噪点数，则记为优质关系对，并获取所有的优质关系对的距离范围和发射次数范围。

24、在本发明中，通过计算所有采样周期的噪点平均值，可以得出不同高度和不同发射次数对影响sar图像分辨率的总体水平，若噪点平均值低于噪点数阈值，可以得出所有采样周期内的不同高度和不同发射次数，都可以得到分辨率较高的sar图像；再通过对比单个采样周期内的高度和发射次数采集的sar图像噪点数和噪点平均值，可以筛选出高质量的关系对，从而根据所有高质量的关系对，可以得到最好的高度范围和发射次数范围。

25、一种基于人工智能的sar图像目标检测系统，本系统包括：合成孔径雷达配置模块、采样周期管理模块、sar图像生成与噪点检测模块和距离-发射次数关联模块。

26、所述合成孔径雷达配置模块，在无人机上安装合成孔径雷达装置，采集合成孔径雷达装置垂直投影于地面的距离；设置采样周期，当一个采样周期结束后，无人机在垂直距离上进行移动，构建采样周期集合。

27、所述采样周期管理模块，对投影距离集合附加采样周期标签，记为采样周期距离，以合成孔径雷达装置在地面的投影点为中心，在不同的方向上设置采样点，在每个采样周期内，设置不同的发射次数，构建发射次数集合。

28、所述sar图像生成与处理模块，获取采样周期内，合成孔径雷达装置生成的所有sar图像，并进行图像融合；计算融合后的图像的噪点数。

29、所述距离-发射次数关联模块，基于采样周期距离和发射次数，生成距离-发射次数对应关系对，计算噪点平均值；预设噪点数阈值，分析并输出最优距离范围和发射次数范围。

30、进一步的，所述合成孔径雷达配置模块还包括雷达编号单元和投影距离单元。

31、所述雷达编号单元，在无人机上安装合成孔径雷达装置，且，一个无人机上安装一个合成孔径雷达装置，对合成孔径雷达装置进行统一的编号，构建合成孔径雷达装置集合，其中，表示第a个合成孔径雷达装置，表示合成孔径雷达装置总数。

32、所述投影距离单元，采集合成孔径雷达装置垂直投影于地面的距离，构建投影距离集合，其中，表示第a个合成孔径雷达装置垂直投影于地面的距离；设置采样周期，当一个采样周期结束后，无人机在垂直距离上进行移动，构建采样周期集合，其中，表示第b个采样周期，b表示采样周期总数。

33、进一步的，所述采样周期管理模块还包括采样周期标注和采样点设置单元和发射次数设置单元。

34、所述采样周期标注和采样点设置单元，对所述投影距离集合附加采样周期标签，记为采样周期距离，所述采样周期距离表示在采样周期时合成孔径雷达装置垂直投影于地面的距离；以合成孔径雷达装置在地面的投影点为中心，在不同的方向上设置采样点，构建采样点集合，其中，表示第h个方向上的采样点，h表示方向的总数，所述方向指中心位置指向采样点位置。

35、所述发射次数设置单元，在每个采样周期内，设置不同的发射次数，构建发射次数集合，其中，表示采样周期内的发射次数。

36、进一步的，所述sar图像生成与噪点检测模块还包括sar图像融合单元和噪点计算单元。

37、所述sar图像融合单元，在所述采样周期内，合成孔径雷达装置对每个采样点发射次信号，并接收回波，生成sar图像，计算sar图像总数；对生成的所有sar图像进行融合。

38、所述噪点计算单元，基于所述融合后的图像，计算图像的噪点数。

39、进一步的，所述距离-发射次数关联模块还包括关系对生成单元和噪点数分析单元。

40、所述关系对生成单元，基于所述采样周期距离和所述采样周期内的发射次数，生成距离-发射次数对应关系对，记为。

41、所述噪点数分析单元，基于所述关系对，计算每个关系对对应的噪点数，并计算所有采样周期的噪点平均值；预设噪点数阈值；对于所述关系对，若关系对对应的噪点数，则记为优质关系对，并获取所有的优质关系对的距离范围和发射次数范围。

42、与现有技术相比，本发明所达到的有益效果是：通过在无人机上安装合成孔径雷达装置，采集不同高度和采样周期的投影距离，构建投影距离集合，实现了在不同高度和时间点对地面的精确扫描。通过设置采样周期距离和多方位采样点，并调整发射次数，生成了多次发射的sar图像。在此基础上，采用图像融合算法对多次采集的图像进行处理，并通过二阶导数计算识别图像噪点数量。通过生成距离-发射次数的对应关系，对不同采样周期的噪点数进行评估，筛选出优质关系对，从而优化了距离和发射次数的组合。最终，本发明有效降低了sar图像中的噪点数量，提升了图像质量和目标检测的精确度，实现了高效的无人机sar图像目标检测。

技术特征：

1.一种基于人工智能的sar图像目标检测方法，其特征在于，该方法包括以下步骤：

2.根据权利要求1所述的一种基于人工智能的sar图像目标检测方法，其特征在于，所述步骤s1包括以下步骤：

3.根据权利要求2所述的一种基于人工智能的sar图像目标检测方法，其特征在于，所述步骤s2包括以下步骤：

4.根据权利要求3所述的一种基于人工智能的sar图像目标检测方法，其特征在于，所述步骤s3包括以下步骤：

5.根据权利要求4所述的一种基于人工智能的sar图像目标检测方法，其特征在于，所述步骤s4包括以下步骤：

6.一种基于人工智能的sar图像目标检测系统，其特征在于，该系统包括：合成孔径雷达配置模块、采样周期管理模块、sar图像生成与噪点检测模块和距离-发射次数关联模块；

7.根据权利要求6所述的一种基于人工智能的sar图像目标检测系统，其特征在于：所述合成孔径雷达配置模块还包括雷达编号单元和投影距离单元；

8.根据权利要求7所述的一种基于人工智能的sar图像目标检测系统，其特征在于：所述采样周期管理模块还包括采样周期标注和采样点设置单元和发射次数设置单元；

9.根据权利要求8所述的一种基于人工智能的sar图像目标检测系统，其特征在于：所述sar图像生成与噪点检测模块还包括sar图像融合单元和噪点计算单元；

10.根据权利要求9所述的一种基于人工智能的sar图像目标检测系统，其特征在于：所述距离-发射次数关联模块还包括关系对生成单元和噪点数分析单元；

技术总结
本发明公开了一种基于人工智能的SAR图像目标检测系统及方法，属于SAR图像目标检测技术领域；采集合成孔径雷达装置垂直投影于地面的距离，并附加采样周期标签，以合成孔径雷达装置在地面的投影点为中心，在不同的方向上设置采样点；设置不同的发射次数；对采集的图像进行图像融合，计算图像噪点数；计算噪点平均值；预设噪点数阈值，分析并输出最优距离范围和发射次数范围；本发明通过对多次采集的图像进行处理，并通过二阶导数计算识别图像噪点数量，对不同采样周期的图像噪点数进行评估，筛选出优质关系对，有效降低了SAR图像中的噪点数量，提升了图像质量和目标检测的精确度，实现了高效的无人机SAR图像目标检测。

技术研发人员：姬忠远,毕辉,张晶晶
受保护的技术使用者：南京航空航天大学
技术研发日：
技术公布日：2024/12/5