(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210656511.3 (22)申请日 2022.06.10 (71)申请人 电子科技大 学 地址 611731 四川省成 都市高新区 （西区） 西源大道 2006号 (72)发明人 王章静　曹敏　何文智　赵铖鑫　 仇隆　 (74)专利代理 机构 电子科技大 学专利中心 51203 专利代理师 甘茂 (51)Int.Cl. G06V 20/10(2022.01) G06V 20/54(2022.01) G06V 10/764(2022.01) G06V 10/44(2022.01)G06V 10/42(2022.01) (54)发明名称 一种基于人眼视觉注 意机制的SAR图像舰船 检测方法 (57)摘要 本发明属于目标检测技术领域， 具体一种基 于人眼视觉注意机制的SAR图像舰船检测方法， 在SAR图像舰船目标检测中引入人眼视觉注意机 制， 通过修改Itti模型， 利用亮度、 局部对比特 征、 全局对比度特征找到显著性区域， 克服了因 只考虑局部特征造成显著性区域显示不均匀， 进 而导致后续目标检测准确率较低的问题； 然后提 取HOG特征， 训练SVM分类器， 利用滑动窗口对舰 船目标进行检测； 最终， 通过HRSID数据集的测试 结果表明， 本发明能够解决在复杂背景下SAR图 像舰船检测出现误检的问题， 将SAR图像舰船目 标检测准确度提升 至95.56％。 权利要求书2页 说明书6页 附图3页 CN 115187856 A 2022.10.14 CN 115187856 A 1.一种基于人眼视 觉注意机制的SAR图像舰船检测方法， 包括以下步骤： 步骤1、 计算输入SAR图像的亮度特征矩阵、 局部对比度特征矩阵与全局对比度特征矩 阵， 进而构建高斯金字塔， 利用高斯金字塔计算得到多个尺度下的亮度特征图、 局部对比度 特征图与全局对比度特 征图； 步骤2、 对每一张特征图分别进行归一化操作， 再将归一化后多个尺度 下的亮度 特征图 相加得到亮度特征显著图、 多个尺度下的局部对比度特征图相加得到局部对比度特征显著 图、 多个尺度下的全局对比度特 征图相加得到全局对比度特 征显著图； 步骤3、 将亮度 特征显著图、 局部对比度 特征显著图与全局对比度 特征显著图进行线性 加权相加， 得到 视觉显著图； 步骤4、 对视 觉显著图提取HO G特征， 训练得到SVM分类 器； 步骤5、 采用SVM分类器， 利用滑动窗口检测舰船目标， 并通过非极大值抑制消除重叠的 窗口， 得到最终检测结果。 2.按权利要求1所述基于人眼视觉注意机制的SAR图像舰船检测方法， 其特征在于， 步 骤1具体为： 步骤1‑1： 计算输入SAR图像的亮度特 征矩阵： 其中， fl为亮度特 征矩阵， I 为输入SAR图像的像素矩阵， (i,j)为像素点 坐标； 步骤1‑2： 计算输入SAR图像的局部对比度特 征矩阵； 采用滑动窗口扫 描整个输入SA R图像， 计算每一个窗口的局部对比度特征： 将窗口T(i, j)等分为9个区域； 针对中心区域， 搜寻区域内像素点的最大值Lmax； 针对除中心区域外的其 他区域， 计算每一个区域内的像素均值， 并搜寻像素均值的最大值Lmax； 计算局部对比度特 征为： 其中， floc为局部对比度特 征矩阵， n 为预设次幂值； 步骤1‑3： 计算输入SAR图像的全局对比度特 征矩阵： g(i,j)＝ I(i,j)‑μ 其中， fglob为全局对比度特征矩阵， μ表示输入SAR图像的像素均值， N为输入SAR图像的 像素点总数， α 为预设阈值； 步骤1‑4： 对输入SA R图像的亮度特征矩阵、 局部对比度特征矩阵、 全局对比度特征矩阵 分别进行多次降采样， 依次得到亮度特征高斯金字塔、 局部对比度特征高斯金字塔、 全局对 比度特征高斯金字塔； 步骤1‑5： 基于亮度特征高斯金字塔、 局部对比度特征高斯金字塔、 全局对比度特征高权　利　要　求　书 1/2 页 2 CN 115187856 A 2斯金字塔， 利用中央 ‑周边特征模拟感受野的工作方式， 分别得到多个尺度下的亮度特征图 l(c,s)、 局部对比度特征图loc(c,s)与全局对比度特征图g(c,s)， 其中， c与s均为高斯金字 塔中的尺度。 3.按权利要求1所述基于人眼视觉注意机制的SAR图像舰船检测方法， 其特征在于， 步 骤2具体为： 步骤2‑1： 针对每一张亮度特征图l(c,s)、 局部对比度特征图loc(c,s)或全局对比度特 征图g(c,s)分别进行归一化操作： 首先， 将特征图归一化至[0,M]范围内， 其中M为特征图中 的全局最大值； 然后计算除去全局最大值M外的局部最大值的平均值 再将归一化后特征 图与系数 进行相乘； 最后， 将相乘后特 征图的大小设置为与输入SAR图像相同； 经归 一化操作后对应得到亮度特征图l ′(c,s)、 局部对比度特征图loc ′(c,s)或全局对比度特征 图g′(c,s)； 步骤2‑2： 将多个尺度下的特征图相加， 分别得到亮度特征显著图、 局部对比度特征显 著图与全局对比度特 征显著图： 其中， L、 Loc与G依次为亮度特征显著图、 局部对比度特征显著图与全局对比度特征显 著图。 4.按权利要求1所述基于人眼视觉注意机制的SAR图像舰船检测方法， 其特征在于， 步 骤3具体为： 步骤3‑1： 将亮度特征显著图、 局部对比度特征显著图与全局对比度 特征显著图分别归 一化至[0,1]范围内， 得到归一化后亮度特征显著图 局部对比度特征显著图 与全局 对比度特 征显著图 步骤3‑2： 将归一化后亮度特征显著图、 局部对比度特征显著图与全局对比度 特征显著 图通过线性加权相加得到 视觉显著图： 其中， SM为视 觉显著图； ω1、 ω2与ω3均为预设权 重。 5.按权利要求1所述基于人眼视觉注意机制的SAR图像舰船检测方法， 其特征在于， 步 骤4具体为： 步骤4‑1： 提取视 觉显著图像中的HO G特征， 得到HOG特征向量； 步骤4‑2： 将HOG特征向量作为SVM模型的输入进行训练， 得到SVM分类 器。 6.按权利要求1所述基于人眼视觉注意机制的SAR图像舰船检测方法， 其特征在于， 步 骤5具体为： 步骤5‑1： 采用滑动窗口扫描整个视觉显著图， 采用SVM分类器对每一个窗口进行背景 与目标的分类； 步骤5‑2： 利用非极大值抑制消除重 叠框， 进而得到最终检测结果。权　利　要　求　书 2/2 页 3 CN 115187856 A 3