基于DnCNN的海面目标一维距离像识别方法

• 作者: 王哲昊 简涛 王海鹏 张健
• 来源期刊: 信号处理
• 关键词: 去噪卷积神经网络 海面目标识别 高分辨一维距离像 残差学习
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 论文|Papers
• 页码范围: 932-940
• 页数: 9页
• 分类号: TN957.51
• 语种: 中文
• DOI: 10.16798/j.issn.1003-0530.2021.06.004

摘要

针对低信噪比条件下海面目标分类识别精度差的问题,该文提出了一种基于去噪卷积神经网络(Denois-ing convolutional neural network,DnCNN)的海面目标高分辨一维距离像(High Resolution Range Profile,HRRP)识别方法.所提方法设计了一个海面目标分类识别模型,该模型通过其中的降噪模块提高信噪比.首先,分析了HRRP和二维图像的相似特性,将HRRP降噪转变为二维图像降噪.其次,利用深层次卷积层与批归一化层相结合的结构,提取图像深层次的噪声特征,最后采用残差学习技术,减轻深层次网络的学习负担的同时重构图像进行分类识别.实验结果表明,该模型可以有效提升低信噪比条件下的海面目标分类识别正确率,在不同信噪比条件下其识别性能均优于对比模型,具有良好的识别性能和鲁棒性.