文献类型：期刊文章

作　　者：董珊[1] 杨占昕[1] 龙腾[1,2] 庄胤[3] 陈禾[2] 陈亮[2]

Dong Shan;Yang Zhanxin;Long Teng;Zhuang Yin;Chen He;Chen Liang(Engineering Center of Digital Audio and Video, Communication University of China, Beijing 100024, China;Beijing Key Laboratory of Embedded Real-time Information Processing Technology, Beijing Institute of Technology,Beijing 100081, China;School of Electronic Engineering and Computer Science, Peking University, Beijing 100087, China)

机构地区：[1]中国传媒大学广播电视数字化教育部工程研究中心,北京100024 [2]北京理工大学信息与电子学院雷达技术研究所/嵌入式实时信息处理技术北京市重点实验室,北京100081 [3]北京大学信息科学技术学院,北京100087

出　　处：《信号处理》

基　　金：长江学者(T2012122);北京市科技领军人才(Z141101001514005)

年　　份：2019

卷　　号：35

期　　号：6

起止页码：986-993

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为克服近岸船只检测中复杂港内背景干扰和基于深度学习算法的大视场光学遥感图像标注工作量大的困难,本文提出了基于小样本集的结构化稀疏表达方法来实现近岸船只检测的算法。构建由近岸船只目标,背景干扰信息和误差矩阵等三部分子字典组成的结构化稀疏表达字典,经小样本集的字典训练过程生成判别性稀疏编码。首先将多方向近岸船只目标样本与港内复杂背景信息样本经过HOG特征提取和PCA分析对原子进行初始化,然后使用K-SVD和LASSO算法对字典进行训练。在字典中引入误差矩阵对样本的类内差异进行表示,增强了稀疏编码的判别能力和系统鲁棒性。最后提出船只目标区域提取的置信度计算方法,对生成的结构化稀疏编码进行判别,提取船只目标区域,实现船只检测。通过对不同尺寸字典模型、引入误差矩阵前后的结构化稀疏表达模型进行实验,实验结果表明提出的引入误差矩阵的结构化稀疏表达方法的有效性,以及在小样本集下比现有技术方法具有更好的检测性能。

关 键 词：近岸船只检测  光学遥感图像 结构化稀疏表达  小样本集  

分 类 号：TP753]