首页 | 本学科首页   官方微博 | 高级检索  
     检索      

基于深度卷积神经网络的红外船只目标检测方法
引用本文:王文秀,傅雨田,董峰,李锋.基于深度卷积神经网络的红外船只目标检测方法[J].光学学报,2018(7).
作者姓名:王文秀  傅雨田  董峰  李锋
作者单位:中国科学院红外探测与成像技术重点实验室;中国科学院上海技术物理研究所;中国科学院大学
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。

本文献已被 CNKI 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号