一种基于卷积神经网络的SAR动目标检测方法.pdf
是你****芹呀
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于卷积神经网络的SAR动目标检测方法.pdf
本发明公开一种基于卷积神经网络的SAR动目标检测方法,应用于SAR运动目标检测领域,针对现有技术存在的可用待检测目标辅助数据距离门个数要求高等缺陷,本发明的方法通过构建卷积神经网络,并对神经网络进行训练,根据神经网络检测得到的总多普勒频率、目标相对合成孔径的角度,计算得到目标速度,从而实现SAR动目标检测;具备在待检测目标辅助数据距离门个数少的情况下实现检测的优点。
基于卷积神经网络的SAR图像海洋目标分类检测方法.pdf
本发明公开了一种基于卷积神经网络的SAR图像海洋目标分类检测方法,包括以下几个步骤:步骤一:将含有海洋目标的SAR单视复图像转换为进行功率图像转换并量化;步骤二:将量化后的功率图像进行分割,加注样本类别的标签后构建训练集建立数据集;步骤三:对训练集数据集去均值处理;步骤四:建立卷积神经网络模型;步骤五:使用训练集训练卷积神经网络模型;步骤六:将待分类切片输入卷积神经网络模型,得到分类检测结果。本发明具有可靠性强、泛化能力强、计算复杂度低,实用性强、应用范围广等特点。
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
基于深度卷积神经网络的SAR图像目标分类方法.pdf
本发明提出了一种基于深度卷积神经网络的SAR图像目标分类方法,用于提高SAR图像目标分类精度。实现步骤为:获取包含SAR目标图像的训练样本集和测试样本集;去除训练样本集和测试样本集中每幅SAR图像的背景杂波;构建包含变换sigmoid激活函数构成Enhanced‑SE层的深度卷积神经网络模型;对深度卷积神经网络模型进行训练;用训练后的深度卷积神经网络模型对测试样本集进行分类。本发明通过形态学闭运算方法在去除SAR目标图像中背景杂波时融合目标区域的边缘缺口并填补目标区域的内部缺损,有效保留目标区域的形状特征
基于卷积神经网络的目标检测方法.pdf
本发明公开了一种基于卷积神经网络的目标检测方法,主要解决现有目标检测方法网络复杂、速度不快和对小目标检测效果差的问题。本发明的具体步骤如下:(1)构建积神经网络;(2)生成目标检测训练集;(3)训练卷积神经网络;(4)对待检测目标进行检测。本发明构建了一个由特征提取模块、特征增强模块、识别和定位模块组成的卷积神经网络,克服了现有目标检测方法中大目标检测效果好、小目标检测效果差并且速度慢的问题,使得本发明不仅能够实时识别大目标,也能实时识别小目标。