文献类型：期刊文章

作　　者：张明[1,2] 王子龙[1] 吕晓琪[1,3] 喻大华[1] 张宝华[1] 李建军[1]

ZHANG Ming;WANG Zi-long;Lü Xiao-qi;YU Da-hua;ZHANG Bao-hua;LI Jian-jun(Key Laboratory of Pattern Recognition and Intelligent Image Processing,College of Information Engi-neering,Inner Mongolia University of Science and Technology,Baotou 014010,China;School of Infor-mation Science and Technology,Dalian Maritime University,Dalian 116026,China;Inner Mongolia University of Technology,Hohhot 010051,China)

机构地区：[1]内蒙古科技大学信息工程学院模式识别与智能图像处理重点实验室,内蒙古包头014010 [2]大连海事大学信息科学技术学院,辽宁大连116026 [3]内蒙古工业大学,内蒙古呼和浩特010051

出　　处：《海洋科学》

基　　金：国家自然科学基金项目(61771266,81871430,61663036,62066036);内蒙古自治区高等学校科学研究项目(NJZY18150);内蒙古杰出青年培育基金项目(2018JQ02)。

年　　份：2021

卷　　号：45

期　　号：12

起止页码：1-7

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、JST、PROQUEST、WOS、ZGKJHX、核心刊

摘　　要：近年来,海战场成为现代战争的主要作战区域之一,舰船目标逐渐成为海上重点监测对象,能否快速准确地识别海战场舰船目标的战术意图,给指挥员的决策提供必要的支持,这关系到一场海上战役的成败。随着合成孔径雷达(synthetic aperture radar,SAR)成像技术的不断发展,大量SAR图像可用于舰船目标检测与识别。利用SAR图像进行舰船目标检测与识别,已经成为重要的海洋应用之一。针对传统SAR图像舰船检测方法准确率较低的问题,本文在YOLOv3的基础上,结合感受野(receptive field block,RFB)模块,提出一种增强型的SAR舰船检测方法。该方法在最近公开的SAR图像舰船检测数据集上平均准确率值达到了91.50%,与原YOLOv3相比提高了0.92%。实验结果充分表明本文提出的算法在SAR舰船的检测中具有较好的检测效果。

关 键 词：舰船检测 合成孔径雷达(SAR)  YOLO  遥感图像

分 类 号：TP751]