基于改进快速区域卷积神经网络的视频SAR运动目标检测算法研究
针对传统视频SAR(ViSAR)运动目标检测方法存在的帧间配准难度大、快速运动目标阴影特征不明显、虚警概率高等问题,该文提出一种基于改进快速区域卷积神经网络(Faster R-CNN)的视频SAR运动目标检测方法.该方法结合Faster R-CNN深度学习算法,利用K-means聚类方法对anchor box的长宽及长宽比进行预处理,并采用特征金字塔网络(FPN)架构对视频SAR运动目标的"亮线"特征进行检测.与传统方法相比,该方法具有实现简单、检测概率高、虚警概率低等优势.最后,通过课题组研制的Mini-SAR系统获取的实测视频SAR数据验证了新方法的有效性.
视频SAR、运动目标检测、快速区域卷积神经网络、特征金字塔网络、K-means
43
TN957.51
中央高校基本科研业务费专项资金NS2019024
2021-03-30(万方平台首次上网日期,不代表论文的发表时间)
共8页
615-622