基于深度卷积神经网络的红外船只目标检测方法

摘要：

针对红外船只图像较模糊导致的识别率低、识别速度慢等问题,提出了一种基于深度卷积神经网络(CNN)的检测算法.首先采用标记分水岭分割算法提取红外船只图像中的连通区域,并对原图相应的目标位置进行标记和归一化处理,提取候选区域.采用改进的AlexNet(一种深度CNN模型)进行船只目标识别,将提取的候选区域送入改进的AlexNet进行特征提取和预测,得到最终检测结果.分水岭方法可大大减少候选区域检测时间,以及减少深度CNN识别时间.利用实验室自制的红外成像系统获取近千张红外船只图像数据,并对其平移缩放形成的数据集进行仿真实验.结果表明,标记分水岭与深度CNN的结合,可有效识别船只目标,所提方法具有良好的性能,能够更加快速准确地识别红外船只目标.

关键词：测量、红外船只目标检测、标记分水岭、卷积神经网络、图像分割

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：天基视频探测技术2015AAxxx5097

在线出版日期：2018-09-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：152-158