期刊文献+
共找到1,348篇文章
< 1 2 68 >
每页显示 20 50 100
考虑海杂波特征的SAR图像海上运动小目标检测方法
1
作者 胡哲 王宁 +2 位作者 高东明 邓杰 黄永立 《电子设计工程》 2024年第7期173-176,181,共5页
鉴于海杂波是一种非平稳性雷达信号,使用传统方法容易受到海杂波特征影响,导致检测结果不精准。充分考虑海杂波特征,提出了SAR图像海上运动小目标检测方法。根据雷达观测场景等距离环,确定波浪传播方向,分析海杂波特征。构建最优自适应... 鉴于海杂波是一种非平稳性雷达信号,使用传统方法容易受到海杂波特征影响,导致检测结果不精准。充分考虑海杂波特征,提出了SAR图像海上运动小目标检测方法。根据雷达观测场景等距离环,确定波浪传播方向,分析海杂波特征。构建最优自适应海杂波抑制权矢量函数,结合约束最小方差准则抑制海杂波,避免慢速目标难以被有效检测。计算节点邻域内每个像素点到节点的距离,筛选孤立像素点。充分考虑海杂波特征,使用统计平均方式获取海杂波背景下的平均干涉幅度和相位,以此为依据检测运动小目标。实验结果表明,该方法在正常、中等和复杂海况下,检测结果与实际结果一致,说明使用该方法检测结果精准。 展开更多
关键词 海杂波 sar图像 海上运动 小目标检测
下载PDF
基于多层显著性模型的SAR图像舰船目标检测
2
作者 扈琪 胡绍海 刘帅奇 《系统工程与电子技术》 EI CSCD 北大核心 2024年第2期478-487,共10页
针对合成孔径雷达图像舰船目标检测问题,提出了一种结合选择机制与轮廓信息的多层显著性目标检测方法。首先,利用非下采样剪切波和频谱残差法进行全局显著性区域提取。其次,提出了一种基于动态恒虚警率的活动轮廓显著性模型,逐步滤除候... 针对合成孔径雷达图像舰船目标检测问题,提出了一种结合选择机制与轮廓信息的多层显著性目标检测方法。首先,利用非下采样剪切波和频谱残差法进行全局显著性区域提取。其次,提出了一种基于动态恒虚警率的活动轮廓显著性模型,逐步滤除候选区域的虚警,提取目标轮廓,从而实现目标的精确检测。所提方法能够由粗到细地快速捕获目标区域,从而实现高效、高分辨率合成孔径雷达图像舰船检测。最后,在真实SAR数据集进行了测试,与其他经典的舰船检测方法相比,所提算法不仅有效地抑制了海杂波的影响,而且在检测精度上有较大提高。 展开更多
关键词 sar图像目标检测 非下采样剪切波变换 显著性检测 活动轮廓模型
下载PDF
基于改进YOLOv5卷积神经网络的SAR图像目标识别
3
作者 曾祥书 黄一飞 蒋忠进 《现代雷达》 CSCD 北大核心 2024年第2期138-145,共8页
提出一种改进YOLOv5网络,并将其用于SAR图像目标识别。为了优化网络性能,文中进行了三个方面的改进:使用宽度比和高度比作为标注框之间的距离度量,并采用k-means聚类方法生成先验锚点框,作为预测框优化时的框尺寸初始值;改进框回归损失... 提出一种改进YOLOv5网络,并将其用于SAR图像目标识别。为了优化网络性能,文中进行了三个方面的改进:使用宽度比和高度比作为标注框之间的距离度量,并采用k-means聚类方法生成先验锚点框,作为预测框优化时的框尺寸初始值;改进框回归损失函数,引入Scylla交并比来代替竞争性交并比,以提高对密集分布目标的定位精度;改进置信度损失函数,使用焦点损失来替代二元交叉熵,以提高在复杂背景下的目标识别精度。基于MSAR数据集,选择了YOLOv3、常规YOLOv5作为对比网络,进行了大量的SAR图像目标识别实验。实验结果表明,相比两种对比网络,改进YOLOv5网络对各种目标均具有更高的识别准确率、召回率和F1值,以及更高的综合指标平均精度值和平均精度均值。 展开更多
关键词 卷积神经网络 YOLOv5网络 sar图像 目标识别
原文传递
基于SAR图像变化的小型目标检测
4
作者 康玉奇 向聪 +1 位作者 王伟 于贵龙 《火控雷达技术》 2024年第1期1-7,共7页
针对战场侦察的需求,结合SAR图像成像范围广、成像精度高的特性,SAR图像变化检测技术可应用于小目标检测。本文基于SAR图像尺度大而目标尺寸较小的特点,在差值法的基础上进行了改进。采用中值滤波进行图像降噪,并提出使用自适应下采样... 针对战场侦察的需求,结合SAR图像成像范围广、成像精度高的特性,SAR图像变化检测技术可应用于小目标检测。本文基于SAR图像尺度大而目标尺寸较小的特点,在差值法的基础上进行了改进。采用中值滤波进行图像降噪,并提出使用自适应下采样的方法进行快速图像配准,利用幂次变换增加目标信杂比提高检测率。通过实验验证改进差值法的有效性,其能够在保证检测率的同时缩短检测时间。 展开更多
关键词 sar图像 目标检测 小型目标 快速配准
下载PDF
基于双边截断的双参数海上风电站SAR图像CFAR检测
5
作者 余佳恒 艾加秋 +1 位作者 史骏 张勇 《海军航空大学学报》 2024年第2期215-223,共9页
文章提出了1种基于双边截断的双参数海上风电站SAR图像CFAR检测器DTCS-TPCFAR,目的是提高在具有多个目标海上区域和石油泄漏区域等环境下对海上风电站的检测性能。DTCS-TPCFAR所提出的双边截断杂波的方法,能够同时消除高强度和低强度异... 文章提出了1种基于双边截断的双参数海上风电站SAR图像CFAR检测器DTCS-TPCFAR,目的是提高在具有多个目标海上区域和石油泄漏区域等环境下对海上风电站的检测性能。DTCS-TPCFAR所提出的双边截断杂波的方法,能够同时消除高强度和低强度异常值的干扰,同时保留真实的杂波样本。通过使用最大似然估计计算双边截断后样本的均值和标准差,然后通过这2个参数估计值计算出截断阈值,最后再结合指定的虚警率(Probability of False Alarm,PFA)来对测试单元(Test Cell,TC)进行判断,完成最终的目标检测。这也是首次将CFAR检测器用于检测海上风电站。文章通过Sentinel-1数据集来验证该方法的有效性。实验结果表明,文章所提出的算法在相同指定虚警率下,具有更高的检测率(Detection Rate,DR)和更低的误报率(False Alarm Rate,FAR)。 展开更多
关键词 sar图像 海上风电站检测 恒虚警率检测 复杂环境 双边截断杂波统计特性
下载PDF
基于平滑L0范数SAR图像重构算法
6
作者 贾向敏 王姣 +1 位作者 罗桂宁 冯俊杰 《电脑知识与技术》 2024年第6期44-46,共3页
为提高合成孔径雷达(SAR)图像重构性能,针对SAR图像的特点,提出一种改进平滑L0范数的SAR图像重构算法。首先选用负指数函数作为平滑函数,通过控制参数由大到小变化,使平滑函数逐步趋近于L0范数,从而将SAR图像重构问题转化为L0范数优化问... 为提高合成孔径雷达(SAR)图像重构性能,针对SAR图像的特点,提出一种改进平滑L0范数的SAR图像重构算法。首先选用负指数函数作为平滑函数,通过控制参数由大到小变化,使平滑函数逐步趋近于L0范数,从而将SAR图像重构问题转化为L0范数优化问题;其次沿着最速下降方向搜索最优值,并投影在可行集上,实现优化求解。实验表明,在相同外部条件下,文章所提出的SAR图像重构方法较传统算法具有一定优势。 展开更多
关键词 sar图像 平滑L0范数 负指数函数 优化求解
下载PDF
一种针对SAR图像的船舶目标检测算法
7
作者 宁峰 赵良军 +3 位作者 郑莉萍 梁刚 席裕斌 何中良 《电光与控制》 CSCD 北大核心 2024年第5期60-65,共6页
在SAR图像的船舶检测中,由于SAR图像船舶小、目标多,现有检测方法存在对船舶检测精度低、召回率低等问题。针对上述问题,提出了针对SAR图像的船舶目标检测模型Vessel-YOLO。首先,使用YOLOv8n为基准网络,提出了CASPP上下文空间金字塔池... 在SAR图像的船舶检测中,由于SAR图像船舶小、目标多,现有检测方法存在对船舶检测精度低、召回率低等问题。针对上述问题,提出了针对SAR图像的船舶目标检测模型Vessel-YOLO。首先,使用YOLOv8n为基准网络,提出了CASPP上下文空间金字塔池化结构,提高了模型对不同尺度的特征提取能力。其次,通过将所提模型的损失函数改进为Wise-IoU基于动态非单调聚焦机制的边界框损失,提高了模型对不同质量图像的适应程度。通过在标准数据集SAR-Ship-Dataset和SSDD上进行的大量实验,验证了模型的健壮性和可靠性。实验结果表明,相较于YOLOv8n,Vessel-YOLO在两个数据集上mAP_(0.5∶0.95)分别提高了1.8个百分点和2.2个百分点,所提模型以更高精度胜于现有的SAR图像船舶检测模型。 展开更多
关键词 船舶检测 YOLOv8n sar图像 目标检测
下载PDF
用于SAR图像舰船目标检测的MAF-Net和CS损失
8
作者 张丽丽 蔡健楠 +1 位作者 刘雨轩 屈乐乐 《雷达科学与技术》 北大核心 2024年第1期14-20,共7页
深度学习算法以其端到端训练和高准确率等优势被广泛应用于合成孔径雷达图像舰船检测领域。然而,SAR图像中舰船目标尺寸跨度较大,且易受到复杂背景和噪声的干扰,从而影响识别精度。为了进一步提高网络的检测精度,本文提出了一个多尺度... 深度学习算法以其端到端训练和高准确率等优势被广泛应用于合成孔径雷达图像舰船检测领域。然而,SAR图像中舰船目标尺寸跨度较大,且易受到复杂背景和噪声的干扰,从而影响识别精度。为了进一步提高网络的检测精度,本文提出了一个多尺度注意力融合网络。该网络主要包含一个多尺度特征注意力融合模块,该模块使用骨干网络输出的特征图,融合多尺度的信息,在空间和通道维度对FPN输出的特征图进行增强,用于抑制噪声和背景对舰船目标的影响,提升网络的特征提取能力。此外,本文还提出了余弦相似损失,通过计算目标与非目标区域的余弦相似度,使网络更准确地区分船舶目标与背景,以进一步提高准确率。大量的实验表明,在SSDD和SAR-Ship-Dataset数据集上,本文所提的方法与现有的几种算法相比具有更高的检测精度。 展开更多
关键词 目标检测 深度学习 sar图像 多尺度注意力融合网络 余弦相似损失
下载PDF
基于SAR图像的道路桥梁检测方法研究
9
作者 苏伟达 《交通世界》 2024年第4期257-259,共3页
为了对城市道路进行有效规划,及时发现和解决道路桥梁存在的问题以及应对自然灾害等的挑战,对道路桥梁进行及时检测尤为重要,不同的检测方法具有一定的针对性。基于此,提出了一种基于SAR图像的道路桥梁检测算法,实现了对道路桥梁的高效... 为了对城市道路进行有效规划,及时发现和解决道路桥梁存在的问题以及应对自然灾害等的挑战,对道路桥梁进行及时检测尤为重要,不同的检测方法具有一定的针对性。基于此,提出了一种基于SAR图像的道路桥梁检测算法,实现了对道路桥梁的高效、准确检测,为进一步推动基于SAR图像的道路桥梁检测方法的研究提供参考。 展开更多
关键词 sar图像 鲁棒性 FCM_S算法
下载PDF
基于特征解耦的SAR图像舰船检测蒸馏
10
作者 罗杨 卞春江 陈红珍 《计算机工程与应用》 CSCD 北大核心 2024年第2期171-179,共9页
目前,基于深度学习的合成孔径雷达(SAR)舰船目标检测方法受到广泛关注。但因为模型参数量大、运算内存高等问题限制了其实际应用。通过学生网络模仿教师网络,知识蒸馏被视作一种高效的模型压缩方法。然而,大部分的知识蒸馏算法只针对常... 目前,基于深度学习的合成孔径雷达(SAR)舰船目标检测方法受到广泛关注。但因为模型参数量大、运算内存高等问题限制了其实际应用。通过学生网络模仿教师网络,知识蒸馏被视作一种高效的模型压缩方法。然而,大部分的知识蒸馏算法只针对常见的可见光图像任务,将其直接应用到复杂的SAR图像舰船目标检测上性能表现不佳。通过分析,出现上述性能不佳现象有以下两个原因:(1)前景背景面积严重失衡;(2)缺乏对前景和背景像素的关系建模。针对上述问题,提出基于解耦特征的拓扑距离知识蒸馏算法。前景和背景解耦蒸馏可以缓解前景背景失衡问题。通过解耦特征拓扑距离蒸馏,学生网络可以从教师网络学习到前景背景之间的关系,增强对背景噪声鲁棒性。实验结果表明,相比许多蒸馏算法,所提出的算法可以十分有效地提升学生网络在SAR图像舰船目标检测精度。比如,基于ResNet18-C4骨干网络的Faster R-CNN模型在HRSID数据集上AP提升6.85个百分点,从31.81%提升到38.66%。 展开更多
关键词 合成孔径雷达(sar)图像舰船检测 知识蒸馏 特征解耦
下载PDF
基于对数域加性信号分解的时序SAR图像相干斑抑制方法 被引量:1
11
作者 康健 童风雨 +3 位作者 白雨松 丁翔 冀腾宇 张柘 《雷达学报(中英文)》 EI CSCD 北大核心 2023年第5期1031-1043,共13页
随着合成孔径雷达(SAR)在测绘带宽度、空间以及时间分辨率上的大幅提升,由不同时间获取的SAR图像配准得到的时间序列能更加精确地提供观测区域的动态变化信息。然而,相干斑噪声以及沿时间维度突变信号为后续的解译工作带来了严重挑战。... 随着合成孔径雷达(SAR)在测绘带宽度、空间以及时间分辨率上的大幅提升,由不同时间获取的SAR图像配准得到的时间序列能更加精确地提供观测区域的动态变化信息。然而,相干斑噪声以及沿时间维度突变信号为后续的解译工作带来了严重挑战。尽管现有的主流方法可以对时序SAR图像的相干斑进行有效抑制,但沿时间维度突变信号会对去噪结果产生干扰。为更好地解决此问题,该文提出了一种基于对数域加性信号分解的方法,能同时抑制相干斑噪声并且对时序图像中的稳定信号和沿时间维度突变信号进行分离,从而消除突变信号对于去噪结果的影响。在仿真数据受到突变信号干扰的情况下,所提方法与其他主流方法相比,其去噪结果在峰值信噪比(PSNR)指标上取得了大约3 dB的提升。在哨兵1号数据上,所提方法能鲁棒地对时序图像中的相干斑噪声进行抑制,并且得到的突变信号成分也为后续的解译工作提供了参考数据。 展开更多
关键词 相干斑噪声抑制 非局部滤波 sar图像去噪 时序sar图像
下载PDF
一种改进的可解释SAR图像识别网络
12
作者 李鹏 冯存前 胡晓伟 《空军工程大学学报》 CSCD 北大核心 2023年第4期49-55,共7页
SAR-BagNet模型是一种应用于合成孔径雷达(SAR)图像识别的可解释深度学习模型。为了使SAR-BagNet模型在具有可解释性的同时具有较高的识别精度,以SAR-BagNet模型为基础,在模型框架中加入了空间注意力和坐标注意力机制,并在MSTAR实测数... SAR-BagNet模型是一种应用于合成孔径雷达(SAR)图像识别的可解释深度学习模型。为了使SAR-BagNet模型在具有可解释性的同时具有较高的识别精度,以SAR-BagNet模型为基础,在模型框架中加入了空间注意力和坐标注意力机制,并在MSTAR实测数据集上进行了实验。实验结果表明,空间注意力和坐标注意力机制增强了SAR-BagNet模型的全局信息获取能力,能够在不降低其可解释性的基础上,有效提高模型的识别精度和决策合理性。 展开更多
关键词 深度学习 sar图像识别 模型可解释性 注意力机制
下载PDF
一种深度神经网络SAR图像目标识别可视化方法
13
作者 马超 王建明 +1 位作者 高华 刘嘉铭 《空天预警研究学报》 CSCD 2023年第4期295-300,共6页
针对深度神经网络模型判别模型构建依据不清晰的问题,提出一种基于特征缺损的雷达SAR图像目标识别分析方法.该方法移除目标图像的局部特征信息,并将其作为输入样本,获取深度神经网络识别结果的变化关系,根据深度神经网络模型分类输出结... 针对深度神经网络模型判别模型构建依据不清晰的问题,提出一种基于特征缺损的雷达SAR图像目标识别分析方法.该方法移除目标图像的局部特征信息,并将其作为输入样本,获取深度神经网络识别结果的变化关系,根据深度神经网络模型分类输出结果的变化情况,分析深度神经网络实现目标分类的原理.在公开的MSTAR数据集上的实验表明,该方法可以有效展现目标不同区域的信息对深度网络识别的影响,实现深度神经网络识别的可视化分析. 展开更多
关键词 深度神经网络 sar图像 雷达目标识别 特征缺损 可视化分析 滑动平均法
下载PDF
SAR图像质量评测实验教学平台的开发与应用
14
作者 周鹏 孙鑫伟 宋栩潮 《实验室研究与探索》 CAS 北大核心 2023年第7期218-223,228,共7页
将合成孔径雷达(SAR)图像质量评测融入实验教学中,构建了SAR图像质量评测实验教学平台。该实验平台由系统设置、数据加载、系统参数输入、图像显示和图像指标计算5个软件模块组成,可以直观地显示图像质量评测过程,获得准确的评测结果,... 将合成孔径雷达(SAR)图像质量评测融入实验教学中,构建了SAR图像质量评测实验教学平台。该实验平台由系统设置、数据加载、系统参数输入、图像显示和图像指标计算5个软件模块组成,可以直观地显示图像质量评测过程,获得准确的评测结果,同时加深学生对SAR图像质量指标以及评估流程和方法的理解和掌握。实验要求学生开发实现SAR成像处理等功能的Matlab GUI(Graphics User Interface,图形操作界面)程序,将输出的SAR图像等文件加载到评测平台生成评测报告,从而便于教师评判学生所编制的成像处理程序的质量。 展开更多
关键词 合成孔径雷达 sar图像质量评测 实验教学 科教融合
下载PDF
改进YOLOv5的SAR图像近海岸舰船目标检测算法研究
15
作者 闵锋 刘朋 《微电子学与计算机》 2023年第4期38-46,共9页
SAR图像舰船目标检测时,因近海岸港口存在着复杂背景的问题,以至于重叠舰船目标无法被准确提取特征信息,造成近海岸的舰船目标出现漏检、误检的情况.针对以上问题,提出一种复杂场景下的SAR图像舰船检测算法,该算法基于YOLOv5进行改进,采... SAR图像舰船目标检测时,因近海岸港口存在着复杂背景的问题,以至于重叠舰船目标无法被准确提取特征信息,造成近海岸的舰船目标出现漏检、误检的情况.针对以上问题,提出一种复杂场景下的SAR图像舰船检测算法,该算法基于YOLOv5进行改进,采用SPPF结构加强提取特征信息,并融合原YOLOv5的SPP结构提取的特征信息,这种多级金字塔模块并列融合的方式能有效的检测多尺度舰船目标,使特征信息更好的表达;然后将原模型中的GIOU改进为CIOU,使其可以准确的回归出预测框的位置;最终为了更合理的筛选高于阈值的预测框,改进NMS(Non-Maximum-Suppression),采用Soft-NMS方法去惩罚衰减高于阈值的边框得分,合理的去除预测框.试验结果表明,该文改进的模型相比于原模型在SSDD、SAR-Ship-Dataset数据集上的mAP(mean Average Precision)提高了5.15%和5.06%,改进模型能有效检测近海岸中复杂背景下的SAR图像舰船目标. 展开更多
关键词 sar图像 舰船检测 YOLOv5算法 损失函数 复杂背景
下载PDF
典型地面车辆目标SAR图像仿真与评估 被引量:13
16
作者 计科峰 张爱兵 +1 位作者 邹焕新 孙伟顺 《雷达科学与技术》 2010年第3期223-228,238,共7页
典型地面车辆目标SAR图像仿真对SAR图像解译和目标识别具有重要意义。在光学区目标雷达散射截面仿真基础上,研究实现了典型地面车辆目标SAR图像仿真技术,给出了坦克目标的SAR图像仿真结果。在此基础上,进一步研究了SAR图像仿真性能评估... 典型地面车辆目标SAR图像仿真对SAR图像解译和目标识别具有重要意义。在光学区目标雷达散射截面仿真基础上,研究实现了典型地面车辆目标SAR图像仿真技术,给出了坦克目标的SAR图像仿真结果。在此基础上,进一步研究了SAR图像仿真性能评估技术,在目视定性评估的基础上,引入了两个面向SAR图像解译与目标识别的SAR图像仿真性能定量评估指标。最后,通过目标仿真SAR图像与MSTAR实测SAR图像的比对,对仿真性能进行了定性、定量的分析与评估,验证了方法的有效性。 展开更多
关键词 合成孔径雷达 sar图像仿真 sar图像解译 sar图像目标识别
下载PDF
深度学习的SAR图像海洋涡旋自动检测及其特征提取
17
作者 吴进群 陈戈 +1 位作者 马纯永 郑益勤 《舰船科学技术》 北大核心 2023年第6期170-173,共4页
本文针对SAR卫星遥感图像海洋涡旋自动检测问题,提出一种基于YOLOX高性能目标检测的海洋涡旋检测模型YOLOX-EDDY,该模型能够精准检测到亚中尺度海洋涡旋。根据SAR图像海洋涡旋的螺旋线形态,本文提出了涡旋中心位置、涡旋尺度和涡旋边缘... 本文针对SAR卫星遥感图像海洋涡旋自动检测问题,提出一种基于YOLOX高性能目标检测的海洋涡旋检测模型YOLOX-EDDY,该模型能够精准检测到亚中尺度海洋涡旋。根据SAR图像海洋涡旋的螺旋线形态,本文提出了涡旋中心位置、涡旋尺度和涡旋边缘位置等特征参数自动提取方法,实现了从海洋涡旋自动检测到涡旋特征信息提取的自动化处理。利用国家卫星海洋应用中心和中国资源卫星应用中心提供的高分三号卫星海洋涡旋SAR图像,构建SAR图像涡旋样本库,进行涡旋自动检测模型训练与验证、涡旋特征参数提取实验。实验表明,本文提出方法具有较强的泛化能力,能够实现海洋涡旋精准检测和涡旋特征参数提取。 展开更多
关键词 sar图像 YOLOX-EDDY 深度学习 海洋涡旋检测 特征参数提取
下载PDF
基于YOLOv5架构的大幅面SAR图像车辆目标识别方法
18
作者 李庆 田甜 田金文 《计算机与数字工程》 2023年第12期2852-2858,共7页
SAR图像车辆目标识别是极具挑战性的前沿研究领域,论文提出了一种基于YOLOv5架构的大幅面SAR图像车辆目标识别方法。以卷积神经网络YOLOv5作为大幅面SAR图像车辆目标识别的基本模型,采用迁移学习方法获得模型的初始参数,有效减少了训练... SAR图像车辆目标识别是极具挑战性的前沿研究领域,论文提出了一种基于YOLOv5架构的大幅面SAR图像车辆目标识别方法。以卷积神经网络YOLOv5作为大幅面SAR图像车辆目标识别的基本模型,采用迁移学习方法获得模型的初始参数,有效减少了训练样本数量同时提高了模型收敛速度。为了测试算法性能,构建了一个含车辆目标的大幅面SAR图像数据集。在该数据集上进行了仿真实验,并与一些经典的深度学习网络进行了对比,实验结果表明所提大幅面SAR图像车辆目标识别算法识别精度更高、速度更快。 展开更多
关键词 sar图像 车辆目标识别 卷积神经网络 迁移学习 YOLOv5
下载PDF
基于空间与光谱注意力的光学图像和SAR图像特征融合分类方法 被引量:1
19
作者 姜文 潘洁 +1 位作者 朱金彪 岳昔娟 《电子与信息学报》 EI CSCD 北大核心 2023年第3期987-995,共9页
针对多源遥感图像的差异性和互补性问题,该文提出一种基于空间与光谱注意力的光学图像和SAR图像特征融合分类方法。首先利用卷积神经网络分别进行光学图像和SAR图像的特征提取,设计空间注意力和光谱注意力组成的注意力模块分析特征重要... 针对多源遥感图像的差异性和互补性问题,该文提出一种基于空间与光谱注意力的光学图像和SAR图像特征融合分类方法。首先利用卷积神经网络分别进行光学图像和SAR图像的特征提取,设计空间注意力和光谱注意力组成的注意力模块分析特征重要程度,生成不同特征的权重进行特征融合增强,同时减弱对无效信息的关注,从而提高光学和SAR图像融合分类精度。通过在两组光学和SAR图像数据集上进行对比实验,结果表明所提方法取得更高的融合分类精度。 展开更多
关键词 sar图像 深度学习 特征融合 注意力机制
下载PDF
一种SAR图像舰船检测的YOLOv5-TVC算法
20
作者 张翰康 颜明重 +2 位作者 朱大奇 陈斌 李杰 《控制工程》 CSCD 北大核心 2023年第11期1979-1989,共11页
为了在SAR图像中准确地检测出大范围海域内的舰船等目标,提出了一种基于YOLOv5-Transformer的目标检测算法:YOLOv5-TVC。首先,使用Vo VNet-57替代原有的CSP-Darknet53以增强对小目标特征的敏感性。其次,将CBAM加在neck的多尺度采样层中... 为了在SAR图像中准确地检测出大范围海域内的舰船等目标,提出了一种基于YOLOv5-Transformer的目标检测算法:YOLOv5-TVC。首先,使用Vo VNet-57替代原有的CSP-Darknet53以增强对小目标特征的敏感性。其次,将CBAM加在neck的多尺度采样层中,实现深层网络中对重要空间和通道的关注。最后,在Bottleneck-Transformer模块内,用自我注意力机制叠加结构来替代提取特征的卷积层,从而优化对目标特征提取的效率。消融实验和对比实验的结果表明,YOLOv5-TVC检测SAR图像目标的精度优于其他YOLO系列算法。 展开更多
关键词 sar图像 舰船检测 YOLOv5 VoVNet-57 CBAM Bottleneck-Transformer
原文传递
上一页 1 2 68 下一页 到第
使用帮助 返回顶部