10.19306/j.cnki.2095-8110.2017.01.011
基于深度卷积网络的SAR图像目标检测识别
在SAR图像解译应用领域,目标的自动检测与识别一直是该领域的研究重点和热点,也是该领域的研究难点.针对SAR图像的目标检测与识别方法一般由滤波、分割、特征提取和目标识别等多个相互独立的步骤组成.复杂的流程不仅限制了SAR图像目标检测识别的效率,多步骤处理也使模型的整体优化难以进行,进而制约了目标检测识别的精度.采用近几年在计算机视觉领域表现突出的深度学习方法来处理SAR图像的目标检测识别问题,通过使用CNN、Fast RCNN以及Faster RCNN等模型对MSTAR SAR公开数据集进行目标识别及目标检测实验,验证了卷积神经网络在SAR图像目标识别领域的有效性及高效性,为后续该领域的进一步研究应用奠定了基础.
SAR、目标检测识别、CNN、Fast RCNN、Faster RCNN
4
V448.2(航天仪表、航天器设备、航天器制导与控制)
教育部新世纪人才计划NCET-13-0168;国家自然基金61371178
2017-03-21(万方平台首次上网日期,不代表论文的发表时间)
共7页
60-66