(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 20221089570 6.3 (22)申请日 2022.07.27 (71)申请人 西安电子科技大 学 地址 710071 陕西省西安市太白南路2号 (72)发明人 冯伟　张亚丽　全英汇　李强　 肖国尧　宋怡佳　邹欣杉　 (74)专利代理 机构 西安嘉思特知识产权代理事 务所(普通 合伙) 6123 0 专利代理师 辛菲 (51)Int.Cl. G06V 20/13(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01) G06V 10/40(2022.01) G06V 10/26(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 多频段全极化SAR与多光谱遥感图像融合的 船舰识别方法 (57)摘要 本发明涉及一种多 频段全极化SAR与多光谱 遥感图像融合的船舰识别方法， 包括： 获取船舰 同一地理位置的多频段全极化SAR和多光谱遥感 图像； 对多频段全极化SAR图像进行辨识度预处 理得到预处理图像； 裁剪 保留预处理图像与多光 谱遥感图像的重叠区域得到多频段全极化SAR裁 剪图像和多光谱遥感裁剪图像； 将多频段全极化 SAR裁剪图像与多光谱遥感裁剪图像进行空间特 征和光谱特征融合得到多波 段融合图像； 将多波 段融合图像进行特征堆叠得到多波段图像； 对多 波段图像进行海岸线特征提取得到水域区域特 征并对水域区域特征进行船舰特征提取， 得到船 舰识别与定位信息。 该船舰识别方法在保证识别 精度的同时， 提高了图像的可视性， 降低了识别 成本， 提高了识别效率。 权利要求书2页 说明书8页 附图10页 CN 115471752 A 2022.12.13 CN 115471752 A 1.一种多频段全极化SAR与多光谱遥感图像 融合的船舰识别方法， 其特征在于， 包括步 骤： 获取船舰同一 地理位置的多频 段全极化SAR图像和多光谱遥感图像； 对所述多频 段全极化SAR图像进行辨识度预处 理， 得到多频 段全极化SAR预处 理图像； 裁剪保留所述多频段全极化SAR预处理图像与所述多光谱遥感图像的重叠区域， 得到 多频段全极化SAR裁 剪图像和多光谱遥感裁 剪图像； 将所述多频段全极化SAR裁剪图像与所述多光谱遥感裁剪图像进行空间特征和光谱特 征融合， 得到多 波段融合图像； 将所述多 波段融合图像进行 特征堆叠， 得到多 波段图像； 利用训练好的水域模型对所述多波段图像进行海岸线特征提取， 得到水域区域特征， 并利用训练好的船舰模型对所述水域区域特征进 行船舰特征提取， 得到船舰识别与定位信 息。 2.根据权利要求1所述的多频段全极化SAR与多光谱遥感图像融合的船舰识别方法， 其 特征在于， 所述多频段全极化SA R图像包括L频段全极化SAR图像和C频段全极化SAR图像， 其中， 所 述L频段全极化SAR图像和所述C频 段全极化SAR图像均包括H H、 HV、 VH、 V V四种极化方式。 3.根据权利要求1所述的多频段全极化SAR与多光谱遥感图像融合的船舰识别方法， 其 特征在于， 对所述多频段全极化SAR图像进行辨识度预处理， 得到多频段全极化SAR预处理 图像， 包括： 对所述多频段全极化SAR图像依次进行多视处理、 图像配准处理、 滤波处理以及地理编 码和定标处 理， 得到所述多频 段全极化SAR预处 理图像。 4.根据权利要求1所述的多频段全极化SAR与多光谱遥感图像融合的船舰识别方法， 其 特征在于， 裁剪 保留所述多频段全极化SAR预 处理图像与所述多光谱遥感图像的重叠区域， 得到多频 段全极化SAR裁 剪图像和多光谱遥感裁 剪图像， 包括： 根据所述多频段全极化SAR预处理图像与所述多光谱遥感图像的地理位置吻合度裁剪 保留每幅图像的重叠区域， 得到所述多频段全极化SAR裁剪图像和所述多光谱遥感裁剪图 像。 5.根据权利要求1所述的多频段全极化SAR与多光谱遥感图像融合的船舰识别方法， 其 特征在于， 将所述多频段全极化SAR裁剪图像与所述多光谱遥感裁剪图像进行空间特征和 光谱特征融合， 得到多 波段融合图像， 包括： 利用Gram  Schmidt融合方法将所述多频段全极化SA R裁剪图像中每个频段的每个极化 SAR裁剪图像分别与所述多光谱遥感裁剪图像中每个波段的遥感裁剪图像进行融合， 得到 所述多波段融合图像。 6.根据权利要求1所述的多频段全极化SAR与多光谱遥感图像融合的船舰识别方法， 其 特征在于， 利用训练好的水域模型对所述多波段图像进行海岸线特征提取， 得到水域区域 特征， 并利用训练好的船舰模型对所述水域区域特征进行船舰特征提取， 得到船舰识别与 定位信息， 包括 步骤： 利用所述多波段图像中的水域特征训练数据对第一深度学习神经网络进行训练得到 所述训练好的水域模型；权　利　要　求　书 1/2 页 2 CN 115471752 A 2利用所述多波段图像中的船舰特征训练数据对第二深度学习神经网络进行训练得到 所述训练好的船舰模型； 利用训练好的水域模型对所述多波段图像进行海岸线特征提取， 得到所述水域 区域特 征； 利用训练好的船舰模型对所述水域 区域特征进行船舰特征提取， 得到所述船舰识别与 定位信息 。 7.根据权利要求6所述的多频段全极化SAR与多光谱遥感图像融合的船舰识别方法， 其 特征在于， 利用所述多波段图像中的水域特征训练数据对第一深度学习神经网络进行训练 得到所述训练好的水域模型之前， 还 包括步骤： 利用深度 学习框架对所述多波段图像进行特征学习以将水域区域与陆地 区域分开， 得 到用于提取水域区域的训练数据， 其中， 所述用于提取水域区域的训练数据包括所述水域 特征训练数据和所述船舰特 征训练数据。 8.一种多频 段全极化SAR与多光谱遥感图像融合的船舰 识别装置， 其特 征在于， 包括： 图像获取模块， 用于获取船舰同一地理位置的多频段全极化SAR图像和多光谱遥感图 像； 图像预处理模块， 用于对所述多频段全极化SAR图像进行辨识度 预处理， 得到多频段全 极化SAR预处 理图像； 图像裁剪模块， 用于裁剪保留所述多频段全极化SAR预处理图像与所述多光谱遥感图 像的重叠区域， 得到多频 段全极化SAR裁 剪图像和多光谱遥感裁 剪图像； 图像融合模块， 用于将所述多频段全极化SAR裁剪图像与所述多光谱遥感裁剪 图像进 行空间特 征和光谱特 征融合， 得到多 波段融合图像； 水域区域特征提取模块， 用于利用训练好的水域模型对所述多波段图像进行海岸线特 征提取； 船舰识别与定位模块， 用于利用训练好的船舰模型对所述水域 区域特征进行船舰特征 提取， 得到船舰 识别与定位信息 。 9.一种电子设备， 其特征在于， 包括处理器、 通信接口、 存储器和通信总线， 其中， 处理 器， 通信接口， 存 储器通过通信总线完成相互间的通信； 存储器， 用于存放计算机程序； 处理器， 用于执 行存储器上所存放的程序时， 实现权利要求1 ‑7任一所述的方法步骤。权　利　要　求　书 2/2 页 3 CN 115471752 A 3