基于卷积神经网络的高分辨率SAR图像飞机目标检测方法

• 作者: 孙显 孙皓 王思雨 郑歆慰 高鑫
• 来源期刊: 雷达学报
• 学科: 工学
• 关键词: 合成孔径雷达(SAR) 飞机检测 卷积神经网络(CNN) 数据增强 视觉显著性
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 论文
• 页码范围: 195-203
• 页数: 9页
• 分类号: TP753
• 字数: 4318字
• 语种: 中文
• DOI: 10.12000/JR17009

摘要

传统的合成孔径雷达(Synthetic Aperture Radar,SAR)图像飞机检测方法一般利用像素对比度信息进行图像分割,从而提取待定目标.然而这些方法只考虑了像素亮度信息而忽视了目标的结构特征,进而导致目标的不精确定位和大量虚警的产生.基于上述问题,该文构建了一个全新的SAR图像飞机目标检测算法框架.首先,针对大场景SAR图像应用需求,提出了改进的显著性预检测方法,从而实现SAR图像候选飞机目标多尺度快速粗定位;然后,设计并调优了含4个权重层的卷积神经网络(Convolutional Neural Network,CNN),实现对候选目标的精确检测和鉴别;最后,因为SAR数据量有限、易导致过拟合,提出4种适用于SAR图像的数据增强方法,具体包括平移、斑点加噪、对比度增强和小角度旋转.实验证实该飞机检测算法在高分辨率TerraSAR-X数据集上效果显著,与传统的SAR飞机检测方法相比,该方法检测效率更高,泛化能力更强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高鑫	中国科学院电子学研究所	27	483	10.0	21.0
2	孙显	中国科学院电子学研究所	30	367	11.0	18.0
3	孙皓	中国科学院电子学研究所	24	157	5.0	12.0
4	郑歆慰	中国科学院电子学研究所	2	55	2.0	2.0
5	王思雨	中国科学院电子学研究所	1	46	1.0	1.0