基于复数域CNN的舰船目标识别算法

• 作者: 化青龙 张云 李高鹏 陈雪峰 黄斌
• 来源期刊: 指挥信息系统与技术
• 学科: 工学
• 关键词: 复数域卷积神经网络 合成孔径雷达 舰船目标识别 深度学习
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 实践与应用
• 页码范围: 71-75
• 页数: 5页
• 分类号: TP312
• 字数: 3206字
• 语种: 中文
• DOI: 10.15908/j.cnki.cist.2019.06.013

摘要

随着海洋科学技术发展以及对海监测需求的不断增加,对海洋舰船目标的长期持续监视与高精度识别越来越重要.合成孔径雷达(SAR)作为对海监测的有效手段,具备全天候、全天时和高分辨探测等优势,已在海洋监视领域得到重视.近年来,随着基于深度学习的舰船目标识别技术的发展,SAR图像处理技术在海洋遥感探测领域得以广泛应用.针对目前基于深度卷积网络的舰船目标识别问题,提出了一种基于复数域卷积神经网络(CV-CNN)的舰船目标识别算法.试验表明,该算法提高了舰船目标识别的准确性和可靠性,具有应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张云	哈尔滨工业大学电子与信息工程学院	37	257	9.0	15.0
2	李高鹏	哈尔滨工业大学电子与信息工程学院	13	75	6.0	7.0
3	陈雪峰	中国电子科技集团公司第二十八研究所	8	10	2.0	2.0
4	黄斌	中国电子科技集团公司第二十八研究所	8	29	4.0	5.0
5	化青龙	哈尔滨工业大学电子与信息工程学院	1	1	1.0	1.0