基于低复杂度卷积神经网络的星载SAR舰船检测
赵保军1
李珍珍2
赵博雅2
冯帆2
邓宸伟2
1.北京理工大学信息与电子学院,北京 100081;北京理工大学嵌入式实时信息处理技术北京市重点实验室,北京 1000812.北京理工大学信息与电子学院,北京,100081
摘要：星载SAR(合成孔径雷达)舰船检测广泛应用于海上救援和国土安全防护等领域.鉴于传统的检测方法仍存在虚警率高等缺点,本文将具有强大表征能力的卷积神经网络(CNN)引入到星载SAR舰船检测中,面向SAR舰船检测的精准快速的需求,提出了基于低复杂度CNN的星载SAR舰船检测算法.算法结合星载SAR图像的特点,利用ROI提取方法实现目标粗提取,得到可疑目标切片及其对应的位置信息;通过构建的低复杂度CNN对所有的可疑目标切片进行精确分类,确定舰船目标,从而实现舰船目标检测.实验测试结果表明:本文提出的算法可以实现精准的星载SAR舰船检测;与传统双参数CFAR目标检测和基于现有深度网络框架(LeNet、GoogLeNet)的检测算法相比,该算法检测性能更好、检测时间更短,可有效降低检测漏检率和虚警率.
关键词：图像处理目标检测星载SAR舰船卷积神经网络低复杂度
分类号：TN911.73(通信)
论文发表日期：2017-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1-7 )
英文信息