改进的ELU卷积神经网络在SAR图像舰船检测中的应用
随着航天技术的发展,我国SAR载荷的探测体系呈现多种类、多分辨率的发展趋势.传统的检测识别方法很难适应多分辨率、多种类的SAR图像数据,从而需要寻求一种能从多分辨率的图像数据中提取有效特征的方法.智能化发展非常迅速,本文基于SAR图像的特点,提出了改进的ELU激活函数卷积神经网络的方法,建立了结合ELU激活函数和二次代价函数的深度学习模型.同时,在训练样本中建立样本特征与所在分类中心的距离函数,用模糊支持向量机(FSVM)对提取的特征进行了分类.试验结果表明,本文方法提高了SAR图像舰船检测的抗噪性,并且检测率达到了98.6%.
合成孔径雷达、卷积神经网络、模糊支持向量机(FSVM)、代价函数、分类函数
P237(摄影测量学与测绘遥感)
国家自然科学基金61671037
2018-03-09(万方平台首次上网日期,不代表论文的发表时间)
共4页
125-128