首页|嵌入特征预提取和注意力机制的SAR图像目标检测

嵌入特征预提取和注意力机制的SAR图像目标检测

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别技术广泛应用于道路、船舶等检测任务中,但合成孔径雷达图像易受散斑噪声干扰,直接将卷积神经网络(Convolutional Neural Network,CNN)应用在SAR数据集上难以高效准确地提取有效特征.针对以上问题,提出了一种嵌入特征预提取和注意力机制的SAR图像目标识别算法(Convolutional Automatic Encoder-Convolutional Neural Network-Channel and Spatial Atten-tion Mechanism,CAE-CNN-CSAM),即利用优化的Lee滤波算法降低SAR图像斑点噪声,通过编解码技术对SAR图像进行特征预提取,而后在卷积神经网络中引入注意力机制,提高算法对通道和空间特征的表达能力.在公开的Statoil/C-CORE数据集上,该算法对目标的识别准确率达到了94％,相比于目标识别准确率约为88％的CNN等基准模型具有更高的目标识别性能.
Target Recognition in SAR Image Embedded Feature Pre Extraction and Attention Mechanism

李笑雪、黄煜峰、李忠智

展开 >

沈阳航空航天大学电子信息工程学院,110136,沈阳

沈阳航空航天大学计算机学院,110136,沈阳

注意力机制 自动编码器 卷积神经网络 SAR图像 目标识别

辽宁省教育厅项目大学生创新创业训练计划大学生创新创业训练计划大学生创新创业训练计划

JYT2020030202010143104202010143003202010143135

2021

10.13990/j.issn1001-3679.2021.06.028

江西科学
江西省科学院

江西科学

影响因子：0.286
ISSN：1001-3679
年,卷(期)：2021.39(6)
  • 2
  • 13