星载SAR海陆交界图像舰船目标检测技术研究

发布时间：2021-08-21 08:52

　　合成孔径雷达（Synthetic Aperture Radar,SAR）是一种全天时全天候工作、穿透力强、分辨率高的雷达,在海洋监测领域有着广泛应用,而海面舰船检测又是海洋监测中极其重要的一部分,因此对SAR图像舰船目标检测技术的研究具有十分重要的价值和意义。本文的研究内容主要分为三部分:海陆分割,舰船检测以及虚假目标剔除,具体的工作安排如下:首先对海陆海陆分割技术进行了研究。首先针对一般SAR图像场景,介绍了基于自适应阈值的海陆分割技术,在该方法中,主要介绍了图像滤波方法、图像二值化方法、二值化图像拓扑结构分析方法、形态学处理方法和陆地获取方法,并利用星载SAR海陆交界图像进行实验,对该种分割方法进行验证和分析。然后针对复杂SAR图像场景,提出了基于U-net神经网络的海陆分割技术,U-net是一个端到端的神经网络,最初是应用在医学图像分割上,在该技术中,首先分析了U-net神经网络应用于SAR图像海陆分割的可行性,然后对其调整使其适用于SAR图像的海陆分割,然后详细介绍了U-net网络结构及原理、对大场景SAR图像的预处理方法、训练集的建立方法及训练方式,通过可视化特征提取过程对训... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：93 页

【学位级别】：硕士

【部分图文】：

海陆分割处理过程

Sigmoid 函数曲线

图2.12 tanh 函数曲线 函数解决了 Sigmoid 函数输出非 0 中心的问题，如图 2.12 所示，但时，tanh 函数导数也趋于 0，仍然有梯度消失的问题。的神经网络中，最受欢迎的是 Relu 函数及其变种，Relu 函数的函示：当输入小于 0 时，输出为 0，当输入大于等于 0 时，输出等

【参考文献】：
期刊论文
[1]基于改进Faster R-CNN算法的舰船目标检测与识别[J]. 赵春晖,周瑶.  沈阳大学学报(自然科学版). 2018(05)
[2]基于生成对抗网络和线上难例挖掘的SAR图像舰船目标检测[J]. 李健伟,曲长文,彭书娟,江源.  电子与信息学报. 2019(01)
[3]基于Mask R-CNN的舰船目标检测研究[J]. 吴金亮,王港,梁硕,陈金勇,高峰.  无线电工程. 2018(11)
[4]基于卷积神经网络的遥感图像舰船目标检测[J]. 黄洁,姜志国,张浩鹏,姚远.  北京航空航天大学学报. 2017(09)
[5]高分三号卫星[J]. 云菲.  卫星应用. 2016(08)
[6]基于深度卷积神经网络的船舶识别方法研究[J]. 赵亮,王晓峰,袁逸涛.  舰船科学技术. 2016(15)
[7]基于SVM分类的红外舰船目标识别[J]. 张迪飞,张金锁,姚克明,成明伟,吴永国.  红外与激光工程. 2016(01)
[8]基于Otsu与海域统计特性的SAR图像海陆分割算法[J]. 陈祥,孙俊,尹奎英,于俊朋.  数据采集与处理. 2014(04)
[9]采用自适应背景窗的舰船目标检测算法[J]. 李亚超,周瑞雨,全英汇,邢孟道.  西安交通大学学报. 2013(06)
[10]一种基于局部K-分布的新的SAR图像舰船检测算法[J]. 艾加秋,齐向阳.  中国科学院研究生院学报. 2010(01)

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]基于多测度的海陆杂波场景分割方法研究[D]. 蒋晓薇.西安电子科技大学 2017
[2]基于深度学习的SAR图像目标识别算法的研究[D]. 梁鑫.南京林业大学 2016
[3]基于机器学习的SAR图像分类与识别研究[D]. 应厚泽.南京理工大学 2016
[4]基于阈值的图像分割算法的研究[D]. 刘东菊.北京交通大学 2009



本文编号：3355293