基于CNN的SAR图像舰船目标检测算法

• 作者: 刘晨 周强 曲长文 李健伟 李智
• 来源期刊: 火力与指挥控制
• 学科: 工学
• 关键词: 合成孔径雷达 卷积神经网络 目标检测 图像分割 候选区域提取
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 理论研究
• 页码范围: 40-44
• 页数: 5页
• 分类号: TP391
• 字数: 2424字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0640.2019.01.008

摘要

为了提升合成孔径雷达(Synthetic Aperture Radar,SAR)图像舰船目标检测的精度和速度,对卷积神经网络(Convolutional Neural Network,CNN)在SAR图像舰船目标检测上进行了研究.通过改进OTSU方法对SAR图像进行分割,并且用最小外接矩形将疑似目标标汜出来;依据矩形中心在原始图像上提取出固定大小区域作为候选区域;将提取的目标通过训练好的卷积神经网络进行判定,去除虚警目标并将检测结果在原图中标记出来.实测数据的实验结果表明,该算法在降低虚警的同时提升了检测速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曲长文		198	1364	17.0	26.0
2	周强		48	261	9.0	13.0
3	刘晨		10	57	4.0	7.0
4	李智		10	56	4.0	7.0
5	李健伟		15	65	4.0	7.0