当前位置:主页 > 科技论文 > 信息工程论文 >

基于DnRCNN的SAR图像目标检测算法研究

发布时间:2020-12-17 19:07
  合成孔径雷达(Synthetic Aperture Radar,SAR)是一种利用合成孔径原理,基于早期的真实孔径雷达技术发展出来的高分辨率成像雷达技术。由于SAR成像具有全天时、全天候、多波段、多极化、高分辨率等特性,被广泛应用于遥感侦察、地形测绘、目标监视及环境监测等领域。SAR成像探测距离远、穿透性强,是复杂背景下地面车辆监测的重要手段,SAR图像目标检测方法的研究具有重要意义。由于SAR图像为相干成像,斑噪严重,目标背景边界不清晰,目标像素数少,视点多变,为SAR图像目标检测算法带来了困难。传统的基于分割与先验特征提取的SAR图像目标检测方法,存在检测准确率低、虚警高、目标场景适应性差等问题,因此本文首先引入深度学习方法,基于Faster-RCNN网络框架实现SAR图像车辆检测方法。针对Faster-RCNN网络存在目标特征提取的不足,斑噪特征无法去除的问题,本文训练了一个噪声抑制网络DnNet来对SAR图像进行噪声特征提取,然后结合Faster-RCNN网络搭建DnRCNN网络,利用DnNet网络提取到的噪声特征,通过卷积降采样以及特征图像素相减等操作实现特征图上的“去噪”操... 

【文章来源】:华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】:67 页

【学位级别】:硕士

【部分图文】:

基于DnRCNN的SAR图像目标检测算法研究


SAR成像原理示意图

SAR图像,SAR图像


(a)SAR 舰船目标 (b) SAR 车辆目标图 2-2 真实 SAR 图像形状特征:状特征指的是不同的目标在 SAR 图像上表现出的大小、形状等特以通过图像处理方法对目标特征进行提取,从而实现特定目标的检测像由于成像技术还不成熟,成像分辨率较低,有些目标区域只包含区域小,边缘模糊,形状特征提取困难,而近年来随着 SAR 成像分标形状特征越来越明显,成像效果接近可见光,在 SAR 图像目标检越来越重要。特征:是通过主动发射与接收微波回波进行成像的雷达技术,而雷达观测目是光滑的,微波在目标表面发生散射,接收时各个微波的散射回波会相位为 ,幅度为 V的总回波,其回波矢量叠加的过程如图 2-3 所示

多散射,矢量叠加,目标散射,回波数据


图 2-3 多散射体回波矢量叠加的回波数据,G表示成像目标散射单元的上面的等式可以看出,SAR 图像的像素的,在图像上相干斑表现为类似椒盐噪声量 。目标检测算法R 图像目标检测算法主要分为三类:基态特征的检测算法和基于 SAR 复数据标检测之前通常要对 SAR 图像进行滤波 图像质量,本节将先介绍常用的几种 S检测中的代表性方法进行推导分析。法

【参考文献】:
期刊论文
[1]基于卷积神经网络的SAR图像舰船目标检测[J]. 李健伟,曲长文,彭书娟,邓兵.  系统工程与电子技术. 2018(09)
[2]基于改进扩展分形特征的SAR图像目标检测方法[J]. 袁湛,何友,蔡复青.  宇航学报. 2011(06)
[3]SAR图像目标检测研究综述[J]. 高贵,周蝶飞,蒋咏梅,匡纲要.  信号处理. 2008(06)
[4]舰船目标雷达视景仿真研究[J]. 张天序,宋成军,杨卫东.  华中科技大学学报(自然科学版). 2007(10)
[5]星载合成孔径雷达回波数据仿真研究[J]. 郭丁,顾行发,余涛,李震,李小英.  遥感学报. 2006(05)
[6]利用机载SAR图像仿真星载SAR图像[J]. 贺召卿,张冰尘,詹学丽,李建雄.  现代雷达. 2006(06)
[7]2L-IHP目标检测算法及其在AIRSAR数据中的应用[J]. 钟雪莲,王长林,周平,张新征.  遥感学报. 2006(02)
[8]基于特征矢量匹配的SAR海洋图像舰船目标检测[J]. 邹焕新,匡纲要,郁文贤.  现代雷达. 2004(08)
[9]扩展分形在SAR图像特定尺寸目标检测中的应用[J]. 张弓,曹俊纺.  南京航空航天大学学报. 2004(03)
[10]SAR图像目标综合检测方法[J]. 万朋,王建国,黄顺吉.  电子学报. 2001(03)

博士论文
[1]SAR图像目标ROI自动获取技术研究[D]. 高贵.国防科学技术大学 2007

硕士论文
[1]超高分辨率的SAR图像车辆目标检测[D]. 妥杏娃.西安电子科技大学 2018
[2]基于CNN的遥感图像适配结构选取方法研究[D]. 王梓鉴.华中科技大学 2016
[3]SAR成像目标识别子区选取与匹配方法研究[D]. 黄伟麟.华中科技大学 2011
[4]基于统计模型的SAR图像车辆目标检测方法研究[D]. 张琦.国防科学技术大学 2005



本文编号:2922541

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/2922541.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户47732***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com