首页|基于特征分解卷积神经网络的SAR图像目标检测方法

基于特征分解卷积神经网络的SAR图像目标检测方法

扫码查看
原文链接
  • 万方数据
  • 维普
真实场景的高分辨率合成孔径雷达(SAR)图像大多是复杂的,对于地物场景来说,其背景中存在草地、树木、道路和建筑物等杂波,这些复杂背景杂波使得传统SAR图像目标检测算法的结果包含大量虚警和漏警,严重影响了SAR目标检测性能.该文提出一种基于特征分解卷积神经网络(CNN)的SAR图像目标检测方法,该方法在特征提取模块对输入图像提取特征后,通过特征分解模块分解出鉴别特征和干扰特征,最后将鉴别特征输入到多尺度检测模块进行目标检测.特征分解后去除的干扰特征是对目标检测不利的部分,其中包括复杂背景杂波,而保留的鉴别特征是对目标检测有利的部分,其中包括感兴趣目标,从而有效降低虚警和漏警,提高SAR目标检测性能.该文所提方法在MiniSAR实测数据集和SAR飞机检测实测数据集(SADD)上的F1-score值分别为0.9357和0.9211,与不加特征分解模块的单步多框检测器相比,所提方法的F1-score值分别提升了0.0613和0.0639.基于实测数据集的实验结果证明了所提方法对复杂场景SAR图像进行目标检测的有效性.
Convolutional Neural Network Based on Feature Decomposition for Target Detection in SAR Images

Synthetic Aperture Radar(SAR)Convolutional Neural Network(CNN)Target detectionFeature decompositionDiscriminative featuresInterfering features

李毅、杜兰、杜宇昂

展开 >

西安电子科技大学雷达信号处理全国重点实验室 西安 710071

合成孔径雷达 卷积神经网络 目标检测 特征分解 鉴别特征 干扰特征

国家自然科学基金

U21B2039

2023

10.12000/JR23004

雷达学报
中国科学院电子学研究所 中国雷达行业协会

雷达学报

CSTPCDCSCD北大核心EI
影响因子：0.667
ISSN：2095-283X
年,卷(期)：2023.12(5)
  • 1
  • 4