一种基于极化特性驱动的全极化SAR图像舰船检测方法

1.一种基于极化特性驱动的全极化SAR图像舰船检测方法，其特征在于，包括以下步骤：S1、对全极化SAR图像进行预处理，获取全极化SAR图像的极化特性数据；S2、构建极化特性驱动的卷积神经网络，将极化特性数据输入主干网络和密集结构提取极化特性数据中包含的极化特性，并在特征金字塔中进行多尺度融合，所述主干网络和密集结构用于网络中上下文特征重用；S3、按照预设的训练参数和损失函数，对极化特性驱动的卷积神经网络进行训练形成全极化SAR图像目标检测网络，并利用训练好的极化特性驱动的全极化SAR图像目标检测网络执行全极化SAR图像舰船检测和指标评估；所述步骤S1具体包括以下步骤：S10、利用极化散射矩阵S求取全极化SAR图像中的波极化各项异性 ；S11、利用全极化SAR 图像的协方差矩阵进行四分量分解，分别得到镜面散射 、双跳散射 、体散射 和螺旋散射 的功率值；S12、利用波极化各向异性和散射模型的功率值求取输入网络的极化特性数据。 2.根据权利要求1所述的基于极化特性驱动的全极化SAR图像舰船检测方法，其特征在于，所述步骤S12中极化特性数据求取的具体计算公式为： 。 3.根据权利要求1所述的基于极化特性驱动的全极化SAR图像舰船检测方法，其特征在于，所述步骤S2中构建极化特性驱动的卷积神经网络具体包括以下步骤：S20、将极化特性数据输入主干网络，利用主干网络提取极化特性中包含的特征；S21、将特征输入密集结构，进行极化特征重用；S22、将经过密集结构处理过的特征输入到特征金字塔，进行不同尺度特征图极化特性融合。 4.根据权利要求3所述的基于极化特性驱动的全极化SAR图像舰船检测方法，其特征在于，所述步骤S20中输入主干网络的极化特性数据的形式为： 。 5.根据权利要求1所述的基于极化特性驱动的全极化SAR图像舰船检测方法，其特征在于，所述步骤S21的密集结构中，设定给定单个样本 经过网络卷积处理，网络包含L层，每一层都是一个非线性变换H(.)，设第i层的输出为 ，则密集结构中第i层所接收到的特征图为：式中， 表示从 层中产生的特征图的连接， 融合了 层中的特征。