共查询到19条相似文献,搜索用时 78 毫秒
1.
2.
3.
基于Faster-RCNN和多分辨率SAR的海上舰船目标检测 总被引:1,自引:0,他引:1
《无线电工程》2018,(2):96-100
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。 相似文献
4.
5.
深度学习模型中的特征金字塔网络(Feature Pyramid Network,FPN)常被用作合成孔径雷达(Synthetic Aperture Radar,SAR)图像中多目标船舶的检测。针对复杂场景下多目标船舶检测问题,提出了一种基于改进锚点框的FPN模型。首先将特征金字塔模型嵌入传统的RPN(Region Proposal Network)并映射成新的特征空间用于目标检测,然后利用基于形状相似度距离(Shape Similar Distance,SSD)度量的Kmeans聚类算法优化FPN的初始锚点框,并使用SAR船舶数据集测试。实验结果表明,所提算法目标检测精确率达到98.62%,在复杂场景下与YOLO、Faster RCNN、FPN based on VGG/ResNet等模型进行对比,模型准确率提高,整体性能更好。 相似文献
6.
该文从叠加原理和相控阵天线的扫描原理出发,提出了一种灵活方便的波束生成方法。用此方法由微带贴片天线单元组成了145cm48cm的天线阵,生成了波长为24cm,方位向半功率波束宽度为23的宽波束。由合成孔径原理可知,条带SAR的方位分辨率随波束宽度的变宽而提高。该文将宽波束天线用于超高方位分辨率机载SAR,计算了天线的性能指标和SAR的系统参数。比较了条带SAR和Spotlight SAR这两种常见的SAR模式的分辨率和测绘范围。 相似文献
7.
穿透叶簇的VHF/UHF超宽带(UWB)SAR具有相对带宽很宽,积累角大的特点,可同时获得距离、方位两个方向的高分辨能力,能用于探测叶簇隐蔽的军用车辆等人造目标而有着重要的军事应用价值。在多孔径SAR成像的基础上,本文用隐马尔可夫模型对人造目标和叶簇等杂波建模,可有效地检测目标,实现一个ATR系统的预筛选处理。 相似文献
8.
9.
10.
11.
12.
13.
14.
15.
16.
低频UWB SAR天线方向图的校准 总被引:5,自引:1,他引:4
低频UWB SAR系统具有较大的方位向处理角,因此天线方向图对系统性能的影响不能忽略。本文首先给出接收信号空间和场景空间的对应关系,结合成像模型定性地讨论了天线方向图对系统冲激响应的影响。在实际条件下考虑了距离校正因子、杂波、噪声和目标响应等因素,利用实际数据对天线方向图做了定量分析。最后结合成像处理模型,使校正后的图像质量得到提高。 相似文献
17.
低频超宽带合成孔径雷达(ultra wide band synthetic aperture radar,UWBSAR)目标特性主要表现在其低频散射特性,它是进行目标检测和识别的前提。针对该系统的特点,本文首先给出了目标低频散射特性的计算方法,建立了低频 UWBSAR目标回波模型,利用数字聚束方法,给出了从回波中反演目标散射特性的方法。 相似文献
18.
该文针对载机不同航迹条件下所得多时相UWB SAR图像灰度值存在较大起伏,严重影响了基于像素灰度值差异的变化检测算法性能,提出了一种基于邻域统计分布变化分析的UWB SAR隐蔽目标变化检测方法。该方法将Gram-Charlier展开理论同秩序滤波器相结合对多时相图像中每个像素邻域的统计分布进行估计,进而借助K-L散度理论对多时相图像邻域统计分布变化进行定量分析以检测目标对应的变化区域。实验结果表明,该文方法能够更好地适应不同航迹UWB SAR图像间灰度起伏的影响,取得更好的检测结果。 相似文献
19.
在超宽带合成孔径雷达叶簇隐蔽目标检测中,传统的UWB SAR图像变化检测方法易受图像灰度值起伏和成像条件变化的影响,致使现有的变化检测算法的性能下降.本文根据人类视觉系统的生理结构和认知特点,提出了一种基于视觉注意机制的叶簇隐蔽目标变化检测算法.该方法使用视觉注意模型,将图像的多尺度特征信息融合为单幅视觉显著图像,并利用图像局部邻域信息和目标的空间相关特性对视觉显著图中视觉注意焦点进行分层筛选和变化检测.实验结果表明:本文中基于视觉注意机制的变化检测方法可以有效检测多时相UWB SAR图像中的叶簇隐蔽目标,较之传统的基于统计原理的变化检测方法,其检测速度更快,且对场景复杂的UWB SAR图像亦具有鲁棒性. 相似文献