结合深度学习去噪和超分辨的SAR检测识别

• 作者: 任俞明 崔闪 王俊 王赛 陈德红 魏少明
• 来源期刊: 空天防御
• 学科: 工学
• 关键词: 超分辨 特征提取 目标识别 SAR去噪
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 制导
• 页码范围: 24-30
• 页数: 7页
• 分类号: TN957
• 语种: 中文

摘要

结合深度学习技术的发展,利用深度卷积网络模型,将特征提取和目标识别集成到一个模型中,使系统能够自动提取目标特征并给出类别决策.对于低信噪比图像通常需要先去噪,但是去噪能力的强弱和检测识别精度并不成正比,本文采用的去噪方法在改善图片质量的同时有效提高了识别准确率,避免了因细节丢失导致的精度降低.同时为了进一步提高对低信噪比图像的识别效果,还使用了基于卷积神经网络(convolutional neural networks,CNN)的超分辨网络,为获得更多特征信息提供条件.另外为解决非完备数据集的问题,针对MSTAR数据集的稀疏方位角进行了一些研究,可以在较少训练样本的情况下保持较高的识别率.