基于深度卷积神经网络的海战场目标协同识别方法

• 作者: 刘巍 吴学铜 潘明波 郑光迪
• 来源期刊: 光学与光电技术
• 学科: 工学
• 关键词: 海战场 目标识别 协同识别 卷积神经网络 D-S证据理论
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 图像与信号处理
• 页码范围: 20-25
• 页数: 6页
• 分类号: TN911.34
• 语种: 中文

摘要

海战场的目标识别是敌我判断、精确跟踪以及准确打击的前提,在现代海战中起着至关重要的作用.针对舰船编队场景下的海战场典型目标的识别问题,提出了一种基于卷积神经网络的协同识别方法,该方法通过优化VGG-NET的层数、节点数得到一组易于训练的精简网络,构建了一种多输入/单输出的舰船协同识别架构,提出一种基于D-S证据理论的加权和方法用于单输出的决策级融合.仿真实验表明,基于单平台的方法在烟雾环境下仅获得47.22％的识别率,而使用协同识别方法能够获得55.83％的识别率.该方法具有良好的性能,能够在复杂海战场环境下有效地识别目标.