基于深度卷积神经网络的红外船只目标检测方法

• 作者: 傅雨田 李锋 王文秀 董峰
• 来源期刊: 光学学报
• 学科: 工学
• 关键词: 测量 红外船只目标检测 标记分水岭 卷积神经网络 图像分割
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 仪器,测量与计量
• 页码范围: 152-158
• 页数: 7页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3788/AOS201838.0712006

摘要

针对红外船只图像较模糊导致的识别率低、识别速度慢等问题,提出了一种基于深度卷积神经网络(CNN)的检测算法.首先采用标记分水岭分割算法提取红外船只图像中的连通区域,并对原图相应的目标位置进行标记和归一化处理,提取候选区域.采用改进的AlexNet(一种深度CNN模型)进行船只目标识别,将提取的候选区域送入改进的AlexNet进行特征提取和预测,得到最终检测结果.分水岭方法可大大减少候选区域检测时间,以及减少深度CNN识别时间.利用实验室自制的红外成像系统获取近千张红外船只图像数据,并对其平移缩放形成的数据集进行仿真实验.结果表明,标记分水岭与深度CNN的结合,可有效识别船只目标,所提方法具有良好的性能,能够更加快速准确地识别红外船只目标.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	傅雨田	中国科学院上海技术物理研究所	36	238	9.0	14.0
2	李锋	中国科学院上海技术物理研究所	154	2889	26.0	50.0
3	董峰	中国科学院上海技术物理研究所	19	30	3.0	5.0
4	王文秀	中国科学院上海技术物理研究所	8	66	2.0	8.0