基于掩码网络融合图像特征的SAR舰船目标检测方法.pdf
猫巷****忠娟
亲,该文档总共22页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于掩码网络融合图像特征的SAR舰船目标检测方法.pdf
本发明提出了一种基于掩码网络融合图像特征的SAR舰船目标检测方法,其步骤为:利用舰船目标与背景的亮度梯度差生成自适应的SAR图像舰船语义分割标签;构建掩码特征融合子网络与掩码特征融合目标检测网络;利用构建的损失函数对目标检测网络进行迭代训练;获取测试样本的目标包围框坐标和置信度。本发明通过生成自适应的SAR图像舰船掩码标签使数据集缺少掩码标签时也能将目标检测与分割任务结合起来;构建了一个掩码特征融合子网络,突出舰船目标特征,抑制背景信息,提升了目标检测精度;为网络设计损失函数,解决了图像前景背景不平衡和训
基于图像增强与多重检测的SAR图像舰船目标快速检测方法.pdf
本发明公开了一种基于图像增强与多重检测的SAR图像舰船目标快速检测方法,包括:对原始SAR图像进行Gamma变换,获得Gamma变换后的图像;对Gamma变换后的图像进行图像滤波及海陆区域分割,得到海陆区域分割后的二值化图像;对二值化图像进行形态学操作及连通域分析,剔除陆地区域,获得剔除陆地区域后的纯海洋图像;利用快速CFAR算法对纯海洋图像进行舰船目标检测,获得舰船目标的CFAR检测结果图;利用直方图统计方法对纯海洋图像进行海面海杂波抑制,并结合CFAR检测结果图获得粗检测结果图;利用Hog特征的SVM
增强舰船目标检测SAR图像数据的方法.pdf
本发明公开的一种增强舰船目标检测SAR图像数据的方法,训练稳定、模式稳健。可以通过下述技术方案实现:以舰船位置为中心,将图像形式的舰船位置作为SAR图像增强的约束条件,通过两个全连接层后将得到的高维特征向量重构为条件特征图,条件特征图与隐变量特征图级联后输入到转置卷积层得到综合特征图,逐层上采样提高特征分辨率,生成新的SAR舰船图像,将目标框对应转换成所生成SAR图像的标签,构建数据‑标签对;判别器通过卷积层提取数据‑标签对的特征,判别生成SAR图像的真假和图像与标签的匹配程度,通过生成器与判别器的对抗,
一种基于RPCA技术的SAR图像舰船目标检测方法.pdf
本发明提供了一种基于RPCA技术的SAR图像舰船目标检测方法,首先针对SAR图像相干斑噪声模型,利用对数变换将相干斑乘性噪声转化为加性噪声,接着计算背景散射信号的相干与非相干接收信号功率比值,将SAR图像转化为相应的RF图像,然后利用RPCA技术将RF图像分解为低秩矩阵部分和稀疏矩阵部分,去除RF图像中由噪声形成的稀疏矩阵部分,最后利用结合空域信息的改进型MRF对低秩矩阵所形成的相对理想的RF图像进行二值分割,通过归一化RCS特征识别出舰船目标。本发明可以有效抑制斑点噪声,并且保留了图像边缘细节。
一种基于卷积神经网络的SAR图像舰船检测方法.pdf
本发明提供了一种基于卷积神经网络的SAR图像舰船检测方法,包括:步骤S1,获取至少一合成孔径雷达输出的包含多个海洋舰船的一高分辨率SAR图像;步骤S2,对各高分辨率SAR图像分别进行预处理得到对应的一预处理后SAR图像;步骤S3,针对每个预处理后SAR图像,将预处理后SAR图像输入至预先构建得到的一多尺度特征金字塔网络模型中进行多尺度海洋舰船的检测和实例分割,并得到包含不同尺度的海洋舰船的一特征结果图。有益效果是本发明提出一种多尺度特征金字塔模型,能够从复杂背景中检测和实例分割小物体,并能够自适应选择重要