基于卷积神经网络的高分辨率SAR图像飞机目标检测方法
传统的合成孔径雷达(Synthetic Aperture Radar,SAR)图像飞机检测方法一般利用像素对比度信息进行图像分割,从而提取待定目标.然而这些方法只考虑了像素亮度信息而忽视了目标的结构特征,进而导致目标的不精确定位和大量虚警的产生.基于上述问题,该文构建了一个全新的SAR图像飞机目标检测算法框架.首先,针对大场景SAR图像应用需求,提出了改进的显著性预检测方法,从而实现SAR图像候选飞机目标多尺度快速粗定位;然后,设计并调优了含4个权重层的卷积神经网络(Convolutional Neural Network,CNN),实现对候选目标的精确检测和鉴别;最后,因为SAR数据量有限、易导致过拟合,提出4种适用于SAR图像的数据增强方法,具体包括平移、斑点加噪、对比度增强和小角度旋转.实验证实该飞机检测算法在高分辨率TerraSAR-X数据集上效果显著,与传统的SAR飞机检测方法相比,该方法检测效率更高,泛化能力更强.
合成孔径雷达(SAR)、飞机检测、卷积神经网络(CNN)、数据增强、视觉显著性
6
TP753(遥感技术)
国家自然科学基金青年基金41501485
2017-06-02(万方平台首次上网日期,不代表论文的发表时间)
共9页
195-203