一种基于深度学习的舰船目标融合识别算法
李家起1
江政杰2
姚力波1
简涛1
1.海军航空大学信息融合研究所 烟台 2640012.海军装备部信息系统局 北京 100841
摘要：低分辨率SAR(合成孔径雷达)卫星遥感图像具有大幅宽特点,是广域海上目标搜索的重要手段,但相较于高分辨率遥感图像,可用于目标识别的特征较少,导致识别性能有待提高.论文探索并设计了一种基于深度学习的低分辨率多极化SAR卫星遥感图像舰船目标融合识别的算法.首先,以多极化SAR图像为输入,利用改进的VGG16网络提取图像特征得到各极化通道的分类结果,同时自动学习各极化通道的权重,然后,对分类结果进行决策级加权融合;最后,利用公开的OpenSARShip数据集进行实验验证,结果表明,与单极化SAR图像舰船目标识别以及其他融合识别方法相比,该算法一定程度上提升了舰船目标识别效果.
关键词：舰船目标识别低分辨率图像多极化SAR卫星遥感图像VGG16网络模型
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(91538201)国家自然科学基金(61971432)国家自然科学基金(61790551)
论文发表日期：2020-09-20
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：6( 31-35,171 )
英文信息