高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于改进快速区域卷积神经网络的视频SAR运动目标检测算法研究

闫贺 黄佳 李睿安 王旭东 张劲东 朱岱寅

闫贺, 黄佳, 李睿安, 王旭东, 张劲东, 朱岱寅. 基于改进快速区域卷积神经网络的视频SAR运动目标检测算法研究[J]. 电子与信息学报, 2021, 43(3): 615-622. doi: 10.11999/JEIT200630
引用本文: 闫贺, 黄佳, 李睿安, 王旭东, 张劲东, 朱岱寅. 基于改进快速区域卷积神经网络的视频SAR运动目标检测算法研究[J]. 电子与信息学报, 2021, 43(3): 615-622. doi: 10.11999/JEIT200630
He YAN, Jia HUANG, Ruian LI, Xudong WANG, Jingdong ZHANG, Daiyin ZHU. Research on Video SAR Moving Target Detection Algorithm Based on Improved Faster Region-based CNN[J]. Journal of Electronics and Information Technology, 2021, 43(3): 615-622. doi: 10.11999/JEIT200630
Citation: He YAN, Jia HUANG, Ruian LI, Xudong WANG, Jingdong ZHANG, Daiyin ZHU. Research on Video SAR Moving Target Detection Algorithm Based on Improved Faster Region-based CNN[J]. Journal of Electronics and Information Technology, 2021, 43(3): 615-622. doi: 10.11999/JEIT200630

基于改进快速区域卷积神经网络的视频SAR运动目标检测算法研究

doi: 10.11999/JEIT200630
基金项目: 中央高校基本科研业务费专项资金(NS2019024)
详细信息
    作者简介:

    闫贺:男,1985年生,副教授,研究方向为雷达运动目标检测

    黄佳:女,1995年生,硕士生,研究方向为视频SAR运动目标检测

    李睿安:男,1995年生,硕士生,研究方向为视频SAR运动目标检测

    王旭东:男,1979年生,副教授,研究方向为FGPA设计与应用

    张劲东:男,1981年生,副教授,研究方向为雷达抗干扰技术

    朱岱寅:男,1976年生,教授,研究方向为雷达信号处理与系统设计

    通讯作者:

    闫贺 yanhe@nuaa.edu.cn

Research on Video SAR Moving Target Detection Algorithm Based on Improved Faster Region-based CNN

Funds: The Special Fund for Basic Scientific Research Business Expenses of Central Universities (NS2019024)
  • 摘要: 针对传统视频SAR(ViSAR)运动目标检测方法存在的帧间配准难度大、快速运动目标阴影特征不明显、虚警概率高等问题,该文提出一种基于改进快速区域卷积神经网络(Faster R-CNN)的视频SAR运动目标检测方法。该方法结合Faster R-CNN深度学习算法,利用K-means聚类方法对anchor box的长宽及长宽比进行预处理,并采用特征金字塔网络(FPN)架构对视频SAR运动目标的“亮线”特征进行检测。与传统方法相比,该方法具有实现简单、检测概率高、虚警概率低等优势。最后,通过课题组研制的Mini-SAR系统获取的实测视频SAR数据验证了新方法的有效性。
  • 图  1  自制MiniSAR系统飞行图

    图  2  观察场景的部分视频SAR成像结果及合作目标分布情况(黄色圆圈标注)

    图  3  基于改进的Faster R-CNN的视频SAR运动目标检测流程图

    图  4  改进的Faster R-CNN算法流程图

    图  5  FPN结构

    图  6  数据集的构建

    图  7  传统Faster R-CNN检测结果

    图  8  改进的Faster R-CNN检测结果

    表  1  部分MiniSAR系统参数

    雷达参数具体参数
    雷达体制MCW, DECHIRP
    工作频率8.8~10.6 GHz
    工作带宽1.8 GHz\900 MHz\450 MHz
    结构尺寸150 mm×150 mm×60 mm
    重量≤3 kg
    下载: 导出CSV

    表  2  有无FPN 结构的性能对比

    模型准确率漏检率误检率
    Faster R-CNN0.5900.4100.108
    结合FPN的Faster R-CNN0.8190.1810.084
    下载: 导出CSV

    表  3  具体参数对训练结果的影响

    不同参数训练2w训练4w训练5w
    Loss准确率Loss准确率Loss准确率
    LR=0.010ReLU0.6430.7280.6210.8110.6160.812
    Leaky-ReLU0.5990.7350.5740.8170.5740.817
    LR=0.001ReLU0.6360.7930.5820.8530.5770.855
    Leaky-ReLU0.4730.8240.4350.8710.4350.872
    下载: 导出CSV

    表  4  anchor box设置对训练结果的影响

    anchor box训练2w训练4w训练5w
    Loss准确率Loss准确率Loss准确率
    经验值0.5740.8070.5560.8430.5560.845
    K-means聚类所得0.4770.8240.4330.8710.4330.872
    下载: 导出CSV

    表  5  不同模型下运动目标检测性能对比

    模型准确率漏检率误检率
    Faster R-CNN0.7740.2260.083
    Faster R-CNN+FPN0.8450.1550.054
    Faster R-CNN+FPN+K-means0.8720.1280.047
    下载: 导出CSV
  • 杨磊, 李埔丞, 李慧娟, 等. 稳健高效通用SAR图像稀疏特征增强算法[J]. 电子与信息学报, 2019, 41(12): 2826–2835. doi: 10.11999/JEIT190173

    YANG Lei, LI Pucheng, LI Huijuan, et al. Robust and efficient sparse-feature enhancementfor generalized SAR imagery[J]. Journal of Electronics &Information Technology, 2019, 41(12): 2826–2835. doi: 10.11999/JEIT190173
    邓云凯, 禹卫东, 张衡, 等. 未来星载SAR技术发展趋势[J]. 雷达学报, 2020, 9(1): 1–33. doi: 10.12000/JR20008

    DENG Yunkai, YU Weidong, ZHANG Heng, et al. Forthcoming spaceborne SAR development[J]. Journal of Radars, 2020, 9(1): 1–33. doi: 10.12000/JR20008
    肖忠源, 张振华, 马晓萌. 视频SAR发展现状研究[C]. 第三届航天电子战略研究论坛论文集(遥测遥控专刊), 北京, 2017: 37–40.

    XIAO Zhongyuan, ZHANG Zhenhua, and MA Xiaomeng. Research on the development status of video SAR[C]. Aerospace Electronics Strategic Research Forum, Beijing, China, 2017: 37–40.
    苟立婷, 李勇, 朱岱寅, 等. 基于GPU的圆迹视频SAR实时成像算法[J]. 雷达科学与技术, 2019, 17(5): 550–556, 563. doi: 10.3969/j.issn.1672-2337.2019.05.013

    GOU Liting, LI Yong, ZHU Daiyin, et al. A real-time algorithm for circular video SAR imaging based on GPU[J]. Radar Science and Technology, 2019, 17(5): 550–556, 563. doi: 10.3969/j.issn.1672-2337.2019.05.013
    金林, 吴福伟, 杨予昊, 等. 机载视频合成孔径雷达成像技术研究[J]. 微波学报, 2020, 36(1): 45–48. doi: 10.14183/j.cnki.1005-6122.202001008

    JIN Lin, WU Fuwei, YANG Yuhao, et al. Study of airborne video synthetic aperture radar[J]. Journal of Microwaves, 2020, 36(1): 45–48. doi: 10.14183/j.cnki.1005-6122.202001008
    张营, 朱岱寅, 俞翔, 等. 一种VideoSAR动目标阴影检测方法[J]. 电子与信息学报, 2017, 39(9): 2197–2202. doi: 10.11999/JEIT161394

    ZHANG Ying, ZHU Daiyin, YU Xiang, et al. Approach to moving targets shadow detection for VideoSAR[J]. Journal of Electronics &Information Technology, 2017, 39(9): 2197–2202. doi: 10.11999/JEIT161394
    DAMINI A, MANTLE V, and DAVIDSON G. A new approach to coherent change detection in VideoSAR imagery using stack averaged coherence[C]. 2013 IEEE Radar Conference (RadarCon13), Ottawa, Canada, 2013: 1–5.
    丁金闪. 视频SAR成像与动目标阴影检测技术[J]. 雷达学报, 2020, 9(2): 321–334. doi: 10.12000/JR20018

    DING Jinshan. Focusing algorithms and moving target detection based on Video SAR[J]. Journal of Radars, 2020, 9(2): 321–334. doi: 10.12000/JR20018
    韩冬, 周良将, 焦泽坤, 等. 基于改进三维后向投影的多圈圆迹SAR相干三维成像方法[J]. 电子与信息学报, 2021, 43(1): 131–137. doi: 10.11999/JEIT190945

    HAN Dong, ZHOU Liangjiang, JIAO Zekun, et al. A coherent 3-D imaging method for multi-circular SAR based on an improved 3-D back projection algorithm[J]. Journal of Electronics &Information Technology, 2021, 43(1): 131–137. doi: 10.11999/JEIT190945
    朱岱寅, 张营, 俞翔, 等. 微型合成孔径雷达成像信号处理技术[J]. 雷达学报, 2019, 8(6): 793–803. doi: 10.12000/JR19094

    ZHU Daiyin, ZHANG Ying, YU Xiang, et al. Imaging signal processing technology for miniature synthetic aperture radar[J]. Journal of Radars, 2019, 8(6): 793–803. doi: 10.12000/JR19094
    张文明, 姚振飞, 高雅昆, 等. 一种平衡准确性以及高效性的显著性目标检测深度卷积网络模型[J]. 电子与信息学报, 2020, 42(5): 1201–1208. doi: 10.11999/JEIT190229

    ZHANG Wenming, YAO Zhenfei, GAO Yakun, et al. A deep convolutional network for saliency object detection with balanced accuracy and high efficiency[J]. Journal of Electronics &Information Technology, 2020, 42(5): 1201–1208. doi: 10.11999/JEIT190229
    HOSANG J, BENENSON R, DOLLÁR P, et al. What makes for effective detection proposals?[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2016, 38(4): 814–830. doi: 10.1109/TPAMI.2015.2465908
    ZHAO Liang, LI Chujun, WU Xiaodong, et al. Improved damage characteristics identification method of concrete CT images based on region convolutional neural network[J]. International Journal of Pattern Recognition and Artificial Intelligence, 2020, 34(6): 2054018. doi: 10.1142/S021800142054018X
    陶新民, 徐晶, 杨立标, 等. 一种改进的粒子群和K均值混合聚类算法[J]. 电子与信息学报, 2010, 32(1): 92–97. doi: 10.3724/SP.J.1146.2008.01698

    TAO Xinmin, XU Jing, YANG Libiao, et al. Improved cluster algorithm based on K-means and particle swarm optimization[J]. Journal of Electronics &Information Technology, 2010, 32(1): 92–97. doi: 10.3724/SP.J.1146.2008.01698
    侯志强, 刘晓义, 余旺盛, 等. 基于双阈值-非极大值抑制的Faster R-CNN改进算法[J]. 光电工程, 2019, 46(12): 190159. doi: 10.12086/oee.2019.190159

    HOU Zhiqiang, LIU Xiaoyi, YU Wangsheng, et al. Improved algorithm of Faster R-CNN based on double threshold-non-maximum suppression[J]. Opto-Electronic Engineering, 2019, 46(12): 190159. doi: 10.12086/oee.2019.190159
  • 加载中
图(8) / 表(5)
计量
  • 文章访问数:  203
  • HTML全文浏览量:  62
  • PDF下载量:  60
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-07-29
  • 修回日期:  2020-12-14
  • 网络出版日期:  2020-12-21
  • 刊出日期:  2021-03-22

目录

    /

    返回文章
    返回

    官方微信,欢迎关注