文献类型：期刊文章

作　　者：胡炎[1] 单子力[1] 高峰[1]

机构地区：[1]中国电子科技集团公司航天信息应用技术重点实验室,河北石家庄050081

出　　处：《无线电工程》

基　　金：中国电子科技集团公司航天信息应用技术重点实验室开放基金项目(EX166290025)

年　　份：2018

卷　　号：48

期　　号：2

起止页码：96-100

语　　种：中文

收录情况：JST、普通刊

摘　　要：由于海洋表面微波散射情况复杂,强海洋杂波的后向散射往往高于舰船,导致传统舰船检测算法适应能力有限,已经难以满足现阶段舰船智能检测的需求。针对上述问题,将卷积神经网络(CNN)应用于SAR海上舰船目标检测。选取高分辨率Terra SAR-X与低分辨率Sentinel-1A卫星SAR图像。通过SAR仿真分析了不同分辨率下海杂波的特点,据此分析了针对SAR图像的CNN网络结构设计的基本需求。通过分辨率归一化制作混合数据的训练样本集,在Faster-RCNN框架下设计并构建了一个仅3层卷积神经网络用于特征学习,以防止模型过拟合。实验选择了4种不同海洋杂波环境的宽幅SAR图像进行测试,均获得了较好的检测结果。表明提出的多分辨率归一化方法结合卷积神经网络的SAR舰船检测模型具有一定的应用潜力。

关 键 词：舰船检测 卷积神经网络  合成孔径雷达图像 多分辨率

分 类 号：TN957.52]